课堂上对学生听课效果进行评估的重点是捕捉学生听课行为。本系统利用Kinect传感器获取学生听课过程中的彩色、深度、骨骼点图像来分析学生的上课肢体状态、注意力方向,以此反映学生听课状态。同时,系统利用Kinect麦克风阵列采集到的声源信息来统计课堂回答问题的频度和声源位置。通过对上述信息的综合分析,获取学生上课状态的客观指标,从而对课堂教学评估提供数据支撑。 实时课堂学生学习状态监测系统。系统组成如图1所示。图1基于Kinect的课堂教学监测系统组成图该系统由一台服务器和一台Kinect组成。Kinect利用其配备的不同类型传感器对学生姿态、面部状况、语音等数据进行采集，进而利用判决算法进行行为判决，并将判决后的行为存入服务器搭载的SQL数据库［4］。此外，应用软件主体选择C#［5］加WPF［6］编写，同时利用微软官方驱动操作Kinect，并对SQL数据库进行数据调用读取，从而对学生的各种行为姿态进行统计分析，获取的评价结果可对教学质量评估进行参考。2硬件平台介绍本系统采用第二代Kinect传感器，由红外投影机、彩色摄像头、红外深度投影头、L型麦克风阵列和PrimeSense的PS1080SoC芯片组成，空间判断精确度为4mm。Kinect2．0的示意如图2所示。图2Kinect2．0硬件结构1)红外发射器:主动投射近红外光谱，照射到粗糙物体，或是穿透毛玻璃后，光谱发生扭曲，会形成随机的反射斑点(称为散斑)，进而能被红外摄像头读龋2)彩色摄像头:用于拍摄视角范围内的彩色视频图像，该摄像头在本系统中用于人脸识别。3)深度(红外)摄像头:配合红外发射器使用，对发射回传感器的红外光谱进行分析，本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name从而创建可视范围内的人体、物体的深度图像监测系统-电动液压滚圆机数控滚弧机折弯机价格低张家港滚圆机多少钱。加之与深度值与骨骼数据的搭配，对于动作的辨识上将比以往的研究更加准确。该摄像头在本系统中对学生举手等姿态进行识别。4)麦克风阵列:学生回答问题的语音可以从4个麦克风采集，进行背景噪声过滤，记录高质量声音信息。同时也可对学生进行声源定位。3判决算法3．1定义姿势库在对学生课堂举手姿势进行监测过程中，由于KinectSDK没有姿势识别相关的API，需要定义某些关节点之间的角度或相对位置来判决一种姿势。本系统记录高质量声音信息。同时也可对学生进行声源定位。3判决算法3．1定义姿势库在对学生课堂举手姿势进行监测过程中，由于KinectSDK没有姿势识别相关的API，需要定义某些关节点之间的角度或相对位置来判决一种姿势。本系统中姿势库中定义了两种姿势，即肘部高于头顶呈竖直状态和小手臂与大手臂呈L形来判断举手行为的发生。学生做出特定的姿势通过与姿势库中模板匹配，就是对关节点进行命中测试来触发相应的事件。本系统中关节点的命中采用节点三角形法，即计算某些关节点之间的角度。如图3所示，由左肩关节点(ShoulderLeft)、左肘关节点(ElbowLeft)和左手腕关节点(WristLeft)三点构成的三角形中，可根据距离公式分别求出a，b，c三边边长，然后根据余玄定理求出夹角。当夹角在规定的阈值范围内，则判断为有效姿势。图3举手姿势判决3．2基于人脸识别的学生关注度检测学生上课的关注度很大程度上取决于学生面部的关注方向，为了获取关注度，系统首先需要进行人脸检测找到学生个数、所在位置等信息。本系统采用机器学习［7］的方法检测人脸位置。在训练阶段，采用大量人脸图片，提取Hog特征［8］，并使用支持向量机(supportvectormachine，SVM)模型［9］进行训练。在检测阶段，对全图进行多尺度、全方位的梯度直方图计算，并利用训练好的模型进行卷积，找到图片中所有的人脸位置。对于提取得到的人脸需要进一步判断其朝向信息，这里主要通过识别人脸的关键点信息进行判断，从而进行人脸朝向的解算。本系统利用人脸关键位置分布的大概约束，提取人脸的面部轮廓、监测系统-电动液压滚圆机数控滚弧机折弯机价格低张家港滚圆机多少钱本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name