1.本发明涉及一种基于网络课堂学员积极度评价方法。
背景技术：
2.随着我国教育信息化的推进，网络课堂教学发展迅猛，但网络课堂所采用的技术工具未得到有效涉及，因此本应为课堂现状带来显著改变的技术还未能激发网络课堂的巨大潜能。
3.网络课堂相较于线下课堂不仅可以根据需求挑选自己喜欢的老师，课程可以多次循环播放，另外相对利用时间也比较方便。
4.但是，网络课堂也存在有一定的劣势，比如学习质量较差，而学习质量在某些阶段性教育中又显得格外重要。
技术实现要素：
5.本发明的目的在于提出一种能够有效提高网络课堂学习质量的系统。
6.为解决上述问题，本发明提供了一种基于网络课堂学员积极度评价方法，包括以下步骤：s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对s2步骤中提取的图像进行预处理，预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，在垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；s5、将所述上升点n1作为人脸图像的左边界，将所述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；s7、自左向右或者自右向左对所述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s8、统计所述连线长度l的数值，并将低于连线长度l的数值设定范围内的数据标记为不正常长度数据，统计所述不正常长度数据的数量。
[0007]
作为本发明的进一步改进，所述步骤s4中，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽
度，所述d值取5。
[0008]
作为本发明的进一步改进，所述步骤s7中，对所述二值化图像进行扫描时，当某像素点相邻rgb值为0的像素点超过设定个数时，将该像素点的相邻像素点的rgb值都设定为0。
[0009]
作为本发明的进一步改进，还包括步骤s7.5、测量每一侧眼球像素点最大高度差获得眼球的高度数值h，所述步骤s8中，统计所述高度数值h，并将低于高度数值h设定范围内的数据标记为不正常高度数据，统计所述不正常高度数据的数量。
[0010]
作为本发明的进一步改进，所述步骤s2包括：s2.1 将接收到的视频按照设定时间分割成若干视频段；s2.2 储存所述视频段，并按照时间顺序予以标记，所述步骤s3中按时间顺序标记提取最早被保存的所述视频段，所述视频段被提取后将其删除。
[0011]
作为本发明的进一步改进，所述步骤s3中的归一化处理包括：s3.1、对眼睛进行初定位，在存储的人脸样本集合中任意截取一个眼睛图像作为眼睛模板图像，定义，其中i
t
为与眼睛模板相对的人脸图像；i为提取的人脸图像，为均值算子；i
t
i为图像灰度值的点点乘积；为图像区域的标准均方差，提取的人脸图像与眼睛模板匹配处的相关系数有最大值处，为眼睛的位置；s3.2、眼睛定位后，根据两眼连线旋转，使得两眼连线与水平线重合。
[0012]
作为本发明的进一步改进，述步骤s3.1中，对截取的眼睛模板图像，将其比例尺寸设定为0.6、0.8、1.0、1.2、1.4分别作为修正后的眼睛模板图像，并取人脸图像与各修正后的眼睛模板图像匹配处的相关系数最大值中的最大者作为最终选定的修正眼睛模板，根据选定的修正眼球模板比例尺寸调整人脸图像的比例。
[0013]
作为本发明的进一步改进，所述步骤s3中灰度化处理后获得8位灰度化图像。
[0014]
本发明的有益效果在于，在学员学习过程中对学员进行全程视频摄影，并通过流媒体技术将实时视频上传分析，按设定时间间隔提取图像，标定该图像中两个眼球位置并测量两个眼球之间的距离，并统计该眼球距离，得出眼球合理值范围，并将低于该合理值范围的眼球距离数据标记为不正常，当不正常的数据的次数既能体现学员学习的积极度。
具体实施方式
[0015]
下面通过具体实施方式来进一步说明本发明的技术方案。
[0016]
本发明包括以下步骤：s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，在该垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；
s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常长度数据，统计上述不正常数据长度数量。
[0017]
作为本发明的进一步改进，所述步骤s4中，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽度，所述d值取5。
[0018]
作为本发明的进一步改进，所述步骤s7中，对所述二值化图像进行扫描时，当某像素点相邻rgb值为0的像素点超过设定个数时，将该像素点的相邻像素点的rgb值都设定为0。
[0019]
作为本发明的进一步改进，还包括步骤s7.5、测量每一侧眼球像素点最大高度差获得眼球高度数值h，所述步骤s8中，能够统计上述高度数值h，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据高度数量。
[0020]
作为本发明的进一步改进，所述步骤s2包括：s2.1 将接受到的视频按照设定时间分割成若干视频段；s2.2 储存上述视频段，并按照时间顺序予以标记，所述步骤s3中按时间顺序标记提取最早被保存的所述视频段，该视频段被提取后所述被将其删除。
[0021]
作为本发明的进一步改进，所述步骤s3中的归一化处理包括：s3.1、对眼睛进行初定位，在存储的人脸样本集合中任意截取一个眼睛图像作为眼睛模板图像，定义，其中i
t
为与眼睛模板相对的人脸图像；i为提取的人脸图像，为均值算子；i
t
i为图像灰度值的点点乘积；为图像区域的标准均方差，提取的人脸图像与眼睛模板匹配处的相关系数有最大值处，为眼睛的位置；s3.2、眼睛定位后，根据两眼连线旋转，使得该连线与水平线重合。
[0022]
作为本发明的进一步改进，所述步骤s3.1中，对截取的眼睛模板图像，将其比例尺寸分别设定为0.6、0.8、1.0、1.2、1.4分别作为修正后的眼睛模板图像，并取人脸图像与各修正后的眼睛模板图像匹配处的相关系数最大值中的最大者作为最终选定的修正眼睛模板，根据该选定的修正眼球模板比例尺调整人脸图像的比例。
[0023]
作为本发明的进一步改进，所述步骤s3中灰度化处理后获得8位灰度化图像。
[0024]
实施例一、s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，在该垂直灰度积分投影曲线中获得连续上升中最小函数值的上升点n1，以及连续下降中最小函数值的下降点n2；s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常长度数据，统计上述不正常数据长度数量。
[0025]
实施例二、s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为 ，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽度，所述d值取5，在该垂直灰度积分投影曲线中；s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常长度数据，统计上述不正常数据长度数量。
[0026]
实施例三、s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处
理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为 ，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽度，所述d值取5，在该垂直灰度积分投影曲线中；s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像，；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，另外，当某像素点相邻rgb值为0的像素点超过设定个数时，将该像素点的相邻像素点的rgb值都设定为0，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常长度数据，统计上述不正常数据长度数量。
[0027]
实施例四、s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为 ，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽度，所述d值取5，在该垂直灰度积分投影曲线中；s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像，；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，另外，当某像素点相邻rgb值为0的像素点超过设定个数时，将该像素点的相邻像素点的rgb值都设定为0，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s7.5、测量每一侧眼球像素点最大高度差获得眼球高度数值h；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常
长度数据，统计上述不正常数据长度数量；同时，统计上述高度数值h，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据高度数量。
[0028]
实施例五、s1、在学员学习过程中对学员进行实况录像并上传；s2、按设定时间间隔提取上传实况录像至少一帧图像；s3、对上述步骤中提取的图像进行预处理，该预处理包括灰度化处理和归一化处理，从而获得人脸的预处理图像i[x,y]；s3.1、对眼睛进行初定位，在存储的人脸样本集合中任意截取一个眼睛图像作为眼睛模板图像，定义，其中i
t
为与眼睛模板相对的人脸图像；i为提取的人脸图像，为均值算子；i
t
i为图像灰度值的点点乘积；为图像区域的标准均方差，提取的人脸图像与眼睛模板匹配处的相关系数有最大值处，为眼睛的位置；s3.2、眼睛定位后，根据两眼连线旋转，使得该连线与水平线重合。
[0029]
作为本发明的进一步改进，所述步骤s3.1中，对截取的眼睛模板图像，将其比例尺寸分别设定为0.6、0.8、1.0、1.2、1.4分别作为修正后的眼睛模板图像，并取人脸图像与各修正后的眼睛模板图像匹配处的相关系数最大值中的最大者作为最终选定的修正眼睛模板，根据该选定的修正眼球模板比例尺调整人脸图像的比例。
[0030]
s4、对预处理图像i[x,y]建立垂直灰度积分投影曲线，将所述预处理图像i[x,y]在图像m
×
n上的垂直灰度积分投影曲线函数定义为 ，并使用m
×
d的图像块在预处理图像i[x,y]移动以计算该垂直灰度积分投影曲线函数的数值，其计算公式为，其中m为所述预处理图像i的高度，n和d均为所述预处理图像的宽度，所述d值取5，在该垂直灰度积分投影曲线中；s5、将上述上升点n1作为人脸图像的左边界，将上述下降点n2作为人脸识别的右边界进行裁剪，获得裁剪后的人脸图像；s6、对所述裁剪后的人脸图像进行二值化处理，获得二值化图像，；s7、自左向右或者自右向左对上述二值化图像进行扫描，将连续阈值范围内rgb值为0的像素点定义为眼球像素点，另外，当某像素点相邻rgb值为0的像素点超过设定个数时，将该像素点的相邻像素点的rgb值都设定为0，取同一范围内眼球像素点的中间点位置，计算两个眼球像素点的连线长度l；s7.5、测量每一侧眼球像素点最大高度差获得眼球高度数值h；s8、统计上述连线长度l的数值，并将低于该数值设定范围内的数据标记为不正常长度数据，统计上述不正常数据长度数量；同时，统计上述高度数值h，并将低于该数值设定范围内的数据标记为不正常数据，统计上述不正常数据高度数量。
[0031]
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入
本发明的保护范围之内。