[发明专利]一种实践课堂教学课件推荐方法及系统

说明书

本发明涉及实践教育技术领域，具体涉及一种实践课堂教学课件推荐方法及系统。获取完整的教学视频的多帧视频图像；将视频图像输入卷积神经网络，输出学生关注热度的显著性图，根据显著性图获取学生的关注热度；获取子视频对应时间段的音频信息的频谱图，对频谱图进行分割得到多个窗口，获取每个窗口内的音量指标；根据音量指标以及关注热度获取关联度指标；根据每个子视频的关注热度以及关联度指标进行加权求和，得到完整的教学视频的质量评估结果，根据质量评估结果进行优质课件推荐，更准确的对教学视频的质量进行评估。

技术领域

本发明涉及实践教育技术领域，具体涉及一种实践课堂教学课件推荐方法及系统。

背景技术

目前的教育模式下，多媒体课件被广泛应用，与多媒体相关的附属教学资源也被相继开发，例如：录播课件、实验短视频，但是，由于相关的教学资源种类较多，来源甚广，如果学生无法有效的甄别教学实践课件质量，则会直接影响到学生的学习效率。

现有的对视频课件的推荐系统可以依据用户对课件的活跃度、兴趣度和知识度指标进行度量，服从正态分布进行拟合用户关联比和优度，以此完成推荐；或者是通过历史数据和可见的内容标签创建时序关联因子矩阵，根据教师评分数据，计算课件之间的相似度矩阵，通过相似度矩阵、教师评分数据以及时序关联因子矩阵获取推荐估计值。

但是根据课件本身的关联性和内容进行推荐的方法，忽略了用户群体的多样性和录播课件课堂的氛围特征，容易造成对教师本身的评分和课件内容的评价过度依赖，使得推荐结果过于单调，泛化能力不高。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种实践课堂教学课件推荐方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种实践课堂教学课件推荐方法，该方法包括：

获取完整的教学视频，将所述教学视频分为多段子视频，获取所述子视频的多帧视频图像，每帧所述视频图像包括教师和学生；

将所述视频图像输入卷积神经网络，所述卷积神经网络的损失函数包括交叉熵损失函数和注意力损失函数，所述注意力损失函数根据所述注意力指标得到；所述卷积神经网络的输出为学生关注热度的显著性图，根据所述显著性图获取所述子视频中学生的关注热度；所述注意力指标是通过卷积神经网络的训练集中的样本视频图像获取教师的位置和学生的位置，获取由所述学生的位置指向所述教师的位置的教师方向向量、每个学生的脸部朝向的学生方向向量，根据所述教师方向向量与所述学生方向向量的相似度获取学生的所述注意力指标；

获取所述子视频对应时间段的音频信息的频谱图，对所述频谱图进行分割得到多个窗口，获取每个所述窗口内的音量指标；根据所述音量指标以及所述关注热度获取关联度指标；

根据每个所述子视频的关注热度以及关联度指标进行加权求和，得到完整的所述教学视频的质量评估结果，根据所述质量评估结果进行优质课件推荐。

优选的，所述获取每个学生的脸部朝向的步骤，包括：

利用Gabor滤波对所述视频图像处理获取每个学生的边缘纹理信息，根据不同滤波方向的边缘纹理信息构成所述学生的多维特征向量，将所述多维特征向量输入人脸识别网络得到学生的脸部朝向。

优选的，所述注意力损失函数为：

L₂＝-log(1-M_i)

其中，L₂表示注意力损失函数；M_i表示注意力指标。

优选的，所述根据所述显著性图获取所述子视频中学生的关注热度的步骤，包括：

所述显著性图中所有学生头部区域像素点的灰度值均值之和为每帧所述视频图像的关注热度；