[发明专利]一种基于学习者行为的AI考核方法

权利要求书

1.一种基于学习者行为的AI考核方法，其特征在于，包括如下步骤：

S1：准备阶段，收集图像信息，配置系统规则；

S2：视频播放准备阶段，视频播放前，需要对观看者的影像进行采集，并进行活体、身份验证；

S3：视频播放阶段，若身份验证成功，则允许播放视频文件，若身份验证失败，则重复S2步骤；

S4：若重复S2步骤的时间超过S1中的系统规则设定阈值，则判断识别失败，终止视频播放。

2.根据权利要求1所述的一种基于学习者行为的AI考核方法，其特征在于，所述S1中，收集图像信息为摄像头拍摄的学习者照片信息，配置的系统规则包括视频播放的抓拍规则和人脸识别规则，其中抓拍规则包括未识别人脸情况下的连续未识别的容忍时间阈值t₁和容忍时间阈值t₁内的抓拍次数n、验证成功时，视频播放情况下，重复验证的阈值t₂、系统对比图像和储存信息的匹配度阈值t₃。

3.根据权利要求1所述的一种基于学习者行为的AI考核方法，其特征在于，所述S2中，其具体步骤为：

S21：身份验证前，对播放条件进行进行检测；

S22：播放条件允许的情况下，前端开启摄像头拍摄，抓取拍摄画面，使用前端JS算法初步识别内容；

S23：若初步通过前端验证，则将上传拍摄的数据到后端，结合当前播放人的证件照，进行AI人脸识别获取识别拍摄画面结果，若识别匹配度大于预设阈值t₃，则视为本人，否则验证失败。

4.根据权利要求3所述的一种基于学习者行为的AI考核方法，其特征在于，所述S21步骤中，播放条件包括学习者是否上传证件照、播放设备是否具备播放硬件条件和学习者是否开启摄像头权限。

5.根据权利要求1所述的一种基于学习者行为的AI考核方法，其特征在于，所述S3中，身份验证成功，播放视频过程中，同时进行以下步骤：

S31：在上一次后端有效验证后的合理的验证时间外，根据摄像头拍摄画面，重复调用前端JS算法；

S32：验证通过后，开启下一次的后端检测，当返回结果成功匹配到本人，将重置倒计时，并将血条置满，恢复初始的饱和状态，并记录本次校验时间；

S33：当返回结果没有匹配到本人，则立即调用前端JS算法验证，依此反复；

S34：当在容忍时间阈值t₁内都没有检测到本人，视频播放根据配置进行暂停或终止播放。

6.根据权利要求5所述的一种基于学习者行为的AI考核方法，其特征在于，所述S3中，视频在累计一端时间后，会向后端存储一次累计数据，如果发送失败，则将累计数据存储到本地Cookie或Local Storage中，待下次一并发送保存。

7.根据权利要求5所述的一种基于学习者行为的AI考核方法，其特征在于，所述S3中，累计数据包括此段时间内，学习者视频进度条拖动轨迹数据以及摄像头拍摄的学习者面部信息数据。

8.根据权利要求6所述的一种基于学习者行为的AI考核方法，其特征在于，所述S3中，储存至本地Cookie或Local Storage中的累计数据会进行加密处理。

9.根据权利要求5所述的一种基于学习者行为的AI考核方法，其特征在于，所述S3中，对一定时间连续播放和对视频播放进度拖动以及的视频播放终止时，会向后端保存播放轨迹，并在播放器下方展示。