1.一种harr特征大数据算法的教育技术学教学系统，其特征在于：所述系统包括：
图像采集单元，其设置在不同的教室内，并且通过网络传递采集到的图像；所述图像采集单元为通过旋转轴实现360°旋转的360网络摄像机，所述360网络摄像机为全玻璃高清光学镜头组，采用的分辨率为1280×720，配置sony1/3英寸数码相机级传感芯片，光圈为f2.4；所述图像采集单元还包括工业ccd摄像机，并且所述工业ccd摄像机的最低分辨率不少于120万像素，检测精度为0.01mm；
数据传输网络，其内设置有物理层、数据链路层、网络层、传输层和应用层，其中在所述物理层中至少设置有中继器、集线器或双绞线设备，以实现物理信号的直接传输，所述数据链路层为物理mac地址对应的层，用于通过物理层传送可靠的数据帧，并且负责数据的可靠传达；所述网络层用于针对不同的ip地址、arp的ip地址和mac的映射解析，用于连接不同ip地址之间的路由、源路径和目标路径；所述传输层至少利用tcp、udp协议封装并解析传输层数据，所述传输层能够屏蔽网络传输过程中的底层具体数据封装传输，直接为上层提供端到端的数据传输；所述应用层建立在所述传输层之上，用于直接关注应用数据、报文的交互；
远程监控中心，其内设置有数据显示单元、harr特征算法模型和数据共享模块；其中所述数据显示单元为投影仪或者dlp大屏幕拼接显示单元；所述harr特征算法模型包括分类器模块，所述分类器模块包括haar分类器和与所述haar分类器连接的adaboost分类器，所述haar分类器和adaboost分类器均设置有i/o数据接口和usb接口；所述数据共享模块至少设置有rs232接口、rs485接口、远程数据接口、tcp/ip通讯协议接口、无线通讯接口或usb接口；其中：
所述图像采集单元的输出端与所述数据传输网络的输入端连接，所述数据传输网络的输出端与所述远程监控中心的输入端连接，所述远程监控中心的输出端分别与所述harr特征算法模型、数据共享模块和数据显示单元的输入端连接。
2.利用权利要求1所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：包括以下步骤：
(s1)利用图像采集单元采集学生上课图像；
(s2)通过数据传输网络传递所述图像采集单元采集到的学生图像；
(s3)启动harr特征算法模型获取学生人脸harr特征图像(s4)利用数据显示单元对harr特征算法模型处理后的学生人脸图像进行识别；
(s5)观察学生人脸图像是否满足harr特征？当满足harr特征时，则进行下一步的处理，则不满足harr特征时，返回步骤(s3)，重新启动harr特征算法模型获取学生人脸harr特征图像；
(s6)观察学生人脸图像是否满足监管需求？当满足教师对学生的监管需求时，则进行步骤(7)，当不满足教师对学生的监管需求时，则返回步骤(s3)，重新启动harr特征算法模型获取学生人脸harr特征图像；
(s7)识别结束，利用数据共享模块实现数据共享。
3.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s1)中，所述图像采集单元采集到的学生上课图像为人脸图像，格式为jpg格式。
4.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s2)中，所述数据传输网络传递时间介于2s-10s之间。
5.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s3)中，所述harr特征算法模型的工作方法包括以下步骤：
(s31)harr图像特征提取；对采集到的图像进行关键性特征识别，所述特征包括人脸边缘特征、线性特征、中心特征和对角线特征，通过提取提取确定haar特征值，所述haar特征值能够反映haar特征值图像的灰度变化，其中，在计算haar特征值时，应用的计算公式为：
t特征值＝s白色-s黑色；(1)
(s32)harr图像特征计算，为了快速计算harr特征，应用改进性积分图法进行计算，通过遍历一次图像，求出图像中所有区域像素和，所述改进性积分图法计算方法为：
(s321)将待研究的图像构建成像素数组，用s(i,j)表示行方向的累加和，初始化值有：
s(i,-1)＝0；(2)
(s322)用ii(i,j)表示一个积分图像，初始化：
ii(-1,i)＝0；(3)
(s323)逐行扫描图像，递归计算每个像素(i,j)行方向的累加和s(i,j)和积分图像ii(i,j)的值，则：
s(i,j)＝s(i,j-1)+f(i,j)；(4)
ii(i,j)＝ii(i-1,j)+s(i,j)；(5)
(s323)扫描图像一遍，当到达图像右下角像素时，则完成积分图像ii的构造；
当计算图像中某个区域的像素和时，直接通过索引数组的元素，直接计算所述区域的像素和；用公式表示为：
公式(6)表示为位置(i,j)处的值ii(i,j)是原图像(i,j)左上角方向所有像素的和：
(s33)harr图像特征拓展，所述harr图像特征包括边缘特征、线特征环、中心环绕特征和对角线特征。
6.根据权利要求5所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：应用改进性积分图法进行计算的时间介于0.5-3秒。
7.根据权利要求1所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述haar分类器为级联分类器，所述级联分类器通过adaboost算法把不同的、多个区分人脸图像特征的分类器组合在一起，最终得出强分类器，其步骤如下：
(1)获取最初的弱分类器：通过最基本的haar-like特征获得1个最初弱分类器；
假设在训练样本集为(x1,y1),(x2,y2),...,(xn,yn)，其中yi＝0表示为非人脸负样本，yi＝1表示为人脸，n表示为训练样本的数量，然后再初始化权重，则有：
w1,i＝d(i)
(7)
然后归一化权重，则有：
对于每个特征f，训练出弱分类器h(x,f,p,θ)，计算出对应的所有特征的弱分类器的加权为qt的错误率εf；
(2)将弱分类器训练成为最优弱分类器；将多个弱分类器器级联起来，将输出的分类误差最小，输出最佳分类器；
(3)将最优弱分类器训练成为强分类器；在经过t次迭代后，得到t个最佳分类器，则有弱分类器h1(x),h2(x),...,ht(x)，将这些弱分类器级联起来，输出强分类器，得出：
其中：
8.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s4)中，所述数据显示单元为网格式显示。
9.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s5)中，观察学生人脸图像是否满足harr特征的判断标准为迭代次数t是否大于200，当迭代次数t大于200时，表示输出较好的harr特征值，当迭代次数t小于200时，表示需要重新进行迭代计算，直到迭代次数t大于200为止。
10.根据权利要求2所述的一种harr特征大数据算法的教育技术学教学系统进行教学的方法，其特征在于：所述步骤(s6)中，观察学生人脸图像是否满足监管需求的判断标准为：当授课人员能够观察到75％以上的学生都处于良好的听课状态时，表示听课状态良好，低于75％以下时，表示课堂秩序欠佳，当高于90％时，表示课堂秩序优秀。