本申请涉及智能课堂领域，且更为具体的涉及一种双屏协同交互下的远程互动课堂教学方法。
背景技术：
1、双屏协同交互下的远程互动课堂教学是指在远程教学环境中，教师和学生通过两个屏幕进行交互和教学。其中一个屏幕用于教师展示课件、讲解内容等，另一个屏幕用于学生参与互动、回答问题等。双屏协同交互下的远程互动课堂教学具有很多优点：1、提供更丰富的教学资源：通过远程互动课堂，教师可以利用互联网上的各种资源，如教学视频、在线教材、网络实验等，为学生提供更丰富的学习资源，丰富了教学内容和方式。2、提高学生参与度：远程互动课堂可以利用实时问答工具、在线讨论等方式，鼓励学生积极参与课堂互动。学生可以通过双屏协同交互，实时回答问题、提出疑问，增加了学生的参与度和积极性。3、弥补时空限制：远程互动课堂可以打破时空限制，学生可以在任何时间、任何地点参与学习。这对于异地学生、工作人员或有特殊需求的学生来说，具有很大的便利性和灵活性。但是双屏协同交互下的远程互动课堂教学也有一些限制，比如线上上课，教师对学生的学习状态难以得到及时了解。
2、因此，期待一种优化的双屏协同交互下的远程互动课堂教学方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种双屏协同交互下的远程互动课堂教学方法，其能够基于学生的面部特征来判断学生是否在认真听课，之后将学生的听课情况及时反馈给老师。这样，可以提高学生的上课注意力，老师可以更准确地掌握学生的学习状态，提高学生学习效率。
2、根据本申请的一个方面，提供了一种双屏协同交互下的远程互动课堂教学方法，其包括：
3、获取预定时间段的学生面部监控视频；
4、以预定采样频率从所述学生面部监控视频得到多个监控关键帧；
5、将所述监控关键帧通过使用空间注意力的第一卷积神经网络模型以得到空间增强面部特征图；
6、将所述监控关键帧通过使用通道注意力的第二卷积神经网络模型以得到通道增强面部特征图；
7、融合所述空间增强面部特征图和所述通道增强面部特征图以得到分类特征图；以及将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点学生听课是否认真。
8、在上述的双屏协同交互下的远程互动课堂教学方法中，将所述监控关键帧通过使用空间注意力的第一卷积神经网络模型以得到空间增强面部特征图，包括：
9、使用所述第一卷积神经网络模型的卷积编码部分对所述监控关键帧进行深度卷积编码以得到初始卷积特征图；
10、将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；
11、将所述空间注意力图通过softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到空间增强面部特征图。
12、在上述的双屏协同交互下的远程互动课堂教学方法中，将所述监控关键帧通过使用通道注意力的第二卷积神经网络模型以得到通道增强面部特征图，用于：
13、使用所述第二卷积神经网络模型的各层在层的正向传递中对输入数据进行：
14、对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；
15、对所述卷积特征图进行基于局部特征矩阵的池化处理以生成池化特征图；
16、对所述池化特征图进行激活处理以生成激活特征图；
17、计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；
18、计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及以所述通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；
19、其中，所述第二卷积神经网络模型的最后一层输出的所述生成特征图为所述通道增强面部特征图。
20、在上述的双屏协同交互下的远程互动课堂教学方法中，融合所述空间增强面部特征图和所述通道增强面部特征图以得到分类特征图，包括：
21、计算所述空间增强面部特征图的沿通道维度的各个特征矩阵与所述通道增强面部特征图的沿通道维度的各个特征矩阵之间的kl散度以得到多个kl散度值；
22、计算所述多个kl散度值的加和值作为所述空间增强面部特征图的沿通道维度的各个特征矩阵相对于所述第二特征矩阵的全局特征分布的几何相似度；
23、将所述空间增强面部特征图的沿通道维度的各个特征矩阵相对于所述第二特征矩阵的全局特征分布的几何相似度排列为几何相似度全局输入向量；
24、将所述几何相似度全局输入向量输入softmax函数以得到概率化几何相似度全局特征向量；以及以所述概率化几何相似度全局特征向量中各个位置的特征值作为权重值来融合所述空间增强面部特征图和所述通道增强面部特征图以得到所述分类特征图。
25、在上述的双屏协同交互下的远程互动课堂教学方法中，将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点学生听课是否认真，包括：
26、将所述分类特征图按照行向量或者列向量展开为分类特征向量；
27、使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及将所述编码分类特征向量输入所述分类器的softmax分类函数以得到所述分类结果。
28、与现有技术相比，本申请提供的双屏协同交互下的远程互动课堂教学方法，其能够基于学生的面部特征来判断学生是否在认真听课，之后将学生的听课情况及时反馈给老师。这样，可以提高学生的上课注意力，老师可以更准确地掌握学生的学习状态，提高学生学习效率。
1.一种双屏协同交互下的远程互动课堂教学方法，其特征在于，包括：
2.根据权利要求1所述的双屏协同交互下的远程互动课堂教学方法，其特征在于，将所述监控关键帧通过使用空间注意力的第一卷积神经网络模型以得到空间增强面部特征图，包括：
3.根据权利要求2所述的双屏协同交互下的远程互动课堂教学方法，将所述监控关键帧通过使用通道注意力的第二卷积神经网络模型以得到通道增强面部特征图，用于：
4.根据权利要求3所述的双屏协同交互下的远程互动课堂教学方法，融合所述空间增强面部特征图和所述通道增强面部特征图以得到分类特征图，包括：
5.根据权利要求4所述的双屏协同交互下的远程互动课堂教学方法，将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示当前时间点学生听课是否认真，包括：