[0049] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0050] 请参照图1所示，一种基于深度学习的学生教育学科综合化发展分析评价系统，包括学生学科成绩获取模块，学生学科成绩分析模块，学生上课行为姿态采集模块，学生上课行为姿态分析模块，学生学科综合化分析模块和显示云平台。
[0051] 所述学生学科成绩获取模块，用于获取当前学期内目标班级各学生中各学科在各j次考试对应的考试成绩，并记为Tic，i表示为目标班级学生编号，i＝1,2，......p,c表示目标班级学科编号，c＝1,2,......d，j表示各学科对应的各次考试编号，j＝1,2,......q,并将目标班级各学生中各学科在各次考试对应的考试成绩发送至学生学科成绩分析模块。
[0052] 所述学生学科成绩分析模块，用于根据接收的目标班级各学生中各学科在各次考试对应的考试成绩，将目标班级各学生中各学科在各次考试对应的考试成绩进行整合计算，进而得到各学生对应的成绩优秀评估系数，并记为αi。
[0053] 上述提到的学生学科成绩分析模块，其具体分析过程包括以下步骤：
[0054] A1、根据当前学期内目标班级各学生中各学科在各次考试对应的考试成绩，通过均值计算得到各学生中各学科对应的平均成绩，并记为
[0055] A2、将目标班级各学生中各学科在各次考试对应的考试成绩分别按照从低到高的顺序进行排序，从中提取出各学生中各学科对应的中位成绩、最高成绩和最低成绩，并分别ic ic ic记为S中位 、Smax 和Smin ；
[0056] 其中，中位成绩的计算具体计算为：当成绩分数的个数为奇数时，中位成绩为排列在中间位置的数值，当成绩分数的个数为偶数时，
[0057] A3、将目标班级各学生中各学科在各次考试对应的考试成绩进行相互对比，统计各学生中各学科各考试成绩对应的考试次数，将各学生中各学科中考试次数最多的考试成ic绩作为众数成绩，并记为S众数 ；
[0058] A4、基于目标班级各学生各学科对应的平均成绩、中位成绩和众数成绩，通过分析公式 分析得到各学生中各学科c c
对应的成绩达优评估系数μic，其中 S′中位，S′众数分别表示为设定的各学科对应的参考平均成绩、中位成绩和众数成绩，a1,a2,a3分别表示为设定的平均成绩、中位成绩和众数成绩对应的权重因子，且a1+a2+a3＝1；
[0059] A5、基于目标班级各学生各学科对应的最高成绩和最低成绩，通过分析公式分析得到各学生中各学科对应的成绩均匀评估c c
系数λic，其中S′max ，S′min分别表示为设定各学科对应的的最高参考成绩和最低参考成绩，b1,b2分别表示为设定的最高成绩和最低成绩对应的权重因子，且b1+b2＝1。
[0060] 上述提到的各学生对应的成绩优秀评估系数具体分析公式为：
[0061] 其中c1、c2分别表示为预设的学生学科成绩达优评估系数、学生学科成绩均匀评估系数对应的影响权重，γc表示为各学科的修正系数，且c1+c2＝1。
[0062] 本发明实施例通过对学生在各学科对应的平均成绩、中位成绩、众数成绩、最高成绩、最低成绩等多个维度对学生学习的达优情况进行分析，提高了分析结果的精准性和可靠性，打破了当前仅从平均成绩和最高成绩进行分析的局限性，保障了对学生达优分析的客观性和合理性。
[0063] 所述学生上课行为采集模块，用于通过目标班级内布设的摄像头对预设采集周期内目标班级中各学生进行学习行为视频采集，同时对目标班级在预设采集周期内对应的教师进行教学视频采集，并将目标班级中各学生在预设采集周期内对应的学习行为视频和目标班级在预设采集周期内对应的教师教学视频发送至学生上课分析模块。
[0064] 所述学生上课行为分析模块，用于对目标班级中各学生在预设采集周期内对应的学习行为视频和目标班级在预设采集周期内对应的教师教学视频进行分析，进而分别得到各学生对应的学习姿态综合符合系数和学习状态综合符合系数，并分别记为βi和εi。
[0065] 上述提到的所述学生上课行为分析模块具体包括学习姿态分析单元和学习状态分析单元。
[0066] 上述提到的学习姿态分析单元同于对目标班级各学生对应的学习姿态进行分析，其具体分析过程如下：
[0067] 学习姿态分析单元同于对目标班级各学生对应的学习姿态进行分析，其具体分析过程如下：
[0068] B1、将目标班级中各学生在预设采集周期内对应的学习行为视频分割为各学习行为图像，对各学习行为图像依次编号为1,2，...t,...s；
[0069] B2、将各学生在预设采集周期内各学习行为图像中聚焦在学生背部位置，提取学生背部轮廓；
[0070] B3、从学生背部轮廓中定位出中心点位置，以中心点为基点，以学生头部到脚部的方向构建学生中心参考线，同时以学生中心点为基点，构建垂直于地面的参考线，并记为垂直参考线，获取学生中心参考线与其垂直参考线之间的夹角，记为学生姿态偏移角，并标记为θit；
[0071] B4、根据各学生在预设采集周期内各学习行为图像中对应的学生姿态偏移角，通过分析公式 分析得出各学生坐姿符合系数χi，其中，Δθ表示为设定的学生姿态许可偏移角；
[0072] B5、将各学生在预设采集周期内各学习行为图像中聚焦在学生手部位置，提取学生手部特征，将各学生在预设采集周期内各上课姿态图像中对应的学生手部特征与设定的各非课堂行为手部特征进行匹配对比，若某学生在某采集周期内某上课姿态图像中手部特征与某非课堂行为手部特征匹配成功，则将该学生在该采集周期内该上课姿态图像中的手部姿态记为不合格姿态，以此方式分别统计各学生在预设采集周期内对应的不合格姿态数目；
[0073] B6、基于各学生在预设采集周期内对应的不合格姿态数目，通过分析公式分析得出各学生对应的手部姿态符合系数ηi，其中U′为设定的预设采集周期内学生许可手部不合格姿态数目。
[0074] 上述提到的各学生对应的学习姿态综合符合系数具体分析公式如下：
[0075] 其中e1,e2分别表示为设定的各学生坐姿和手部姿态对应的影响权重，且e1+e2＝1。
[0076] 上述提到的学习状态分析单元用于对目标班级各学生对应的学习状态进行分析，具体分析过程如下：
[0077] R1、从目标班级在预设采集周期内对应的教师教学视频中识别出教师各教学流程对应的时间段，其中，教学流程包括书本讲解流程和板书讲解流程，进而将教师教学视频划分为各书本讲解视频段和各板书讲解视频段；
[0078] R2、将目标班级中各学生在预设采集周期内对应的学习行为视频按照教师教学视频的划分方式划分为各书本讲解学习视频段和各板书讲解学习视频段；
[0079] R3、将各学生在预设采集周期内对应的各书本讲解学习视频段分割为各书本讲解学习图像，将各学生在预设采集周期内对应的各板书讲解学习视频段分割为各板书讲解学习图像；
[0080] R4、从各学生在预设采集周期内各书本讲解学习视频段对应的各书本讲解学习图像中识别出学生视线方向，进而分析得到各学生在书本讲解流程对应的学习状态符合系数，并记为
[0081] 其中，学生视线方向具体识别过程为：将各学生在预设采集周期内各书本讲解学习视频段对应的各书本讲解学习图像聚焦在学生头部位置，从而提取学生视线方向，其中视线方向包括俯视、平视和仰视；
[0082] 进一步地，各学生在书本讲解流程对应的学习状态符合系数具体分析过程为：
[0083] R4‑1、将学生对应的视线方向与设定的书本讲解对应的标准视线方向进行匹配对比，若学生视线方向与设定的书本讲解流程对应的标准视线方向一致，则判断视线为正常视线，反之则判断该视线为异常视线，由此得到各学生在预设采集周期内各书本讲解学习视频段对应的正常视线数目；
[0084] R4‑2、依据分析公式 分析得到各学生在书本讲解流程对应的学习状态符合系数 其中Yi表示为各学生在预设采集周期内各书本讲解学习视频段对应的书本讲解学习图像数目，Y′表示为在预设采集周期内对应学生视线正常数目；
[0085] R5、从各学生在预设采集周期内各板书讲解学习视频段对应的各板书讲解学习图像中识别出学生视线方向和学生手部特征，进而分析得到各学生在板书讲解流程对应的状态状态符合系数，并记为ωi；
[0086] 其中，将各学生在预设采集周期内各板书讲解学习视频段对应的各板书讲解学习图像聚焦在学生头部位置，从而提取学生视线方向；
[0087] 将各学生在预设采集周期内各板书讲解学习视频段对应的各板书讲解学习图像聚焦在学生手部位置，提取学生手部动作特征；
[0088] 进一步地，各学生在板书讲解流程对应的状态状态符合系数具体分析过程如下：
[0089] R5‑1、将学生对应的视线方向与设定的板书讲解对应的标准视线方向进行匹配对比，若学生视线方向与设定的板书讲解流程对应的标准视线方向一致，则判断视线为规范视线，反之则判断该视线为无序视线，由此得到各学生在预设采集周期内各板书讲解学习视频段对应的规范视线数目；
[0090] R5‑2、将各学生在预设采集周期内各板书讲解学习视频段对应学生手部特征与设定的各课堂笔记手部特征进行匹配对比，若某学生手部动作特征符合课堂笔记手部特征，则判断该学生手部学习状态为笔记书写，反之则判断该学生手部学习状态为非笔记书写，进而对各学生在设采集周期内各板书学习视频段对应的笔记书写次数进行统计；
[0091] R5‑3、利用计算公式 计算得到各学生在板书讲解流程对应的学习状态符合系数ωi，其中，zi表示为各学生在预设采集周期内各板书讲解学习视频段对应的板书讲解学习图像数目，z′表示为设定的在预设采集周期内对应学生规范视线数目，yi表示为各学生在设采集周期内各板书学习视频段对应的笔记书写次数，y′表示为设定的板书过程对应的学生最低笔记书写次数，f1,f2分别表示为各学生在板书讲解流程对应的视线数目和笔记书写次数对应的影响权重，且f1+f2＝1。
[0092] 上述提到的各学生对应的学习状态综合符合系数，其具体分析过程包括以下步骤：
[0093] 根据各学生在书本讲解流程对应的学习状态符合系数和在板书讲解流程对应的学习状态符合系数，利用计算公式 计算得出各学生对应的学习状态综合符合系数εi，其中g1,g2分别表示为设定的学生在书本讲解流程、板书讲解流程对应的学习状态影响权重，且g1+g2＝1。
[0094] 所述学生学科综合化分析模块，用于接收各学生对应的成绩优秀评估系数、学习姿态综合符合系数和学习状态综合符合系数，综合计算得出各学生的综合发展评估系数，并将各学生的综合发展评估系数发送至显示云平台。
[0095] 上述提到的各学生的综合发展评估系数，其具体分析过程包括以下步骤：
[0096] 根据各学生对应的成绩优秀评估系数、各学生对应的学习姿态综合符合系数和学习状态综合符合系数，利用计算公式 计算得出各学生的综合发展评估系数ξi，其中h1、h2、h3分别表示为设定的学生对应的成绩优秀评估、学习姿态评估、学习状态评估对应的影响权重，且h1+h2+h3＝1。
[0097] 本发明实施例通过对学生成绩、学习姿态和学习状态进行综合分析，得到目标班级各学生的综合发展评估系数，一方面，便于了解学生上课的坐姿问题，进一步帮助学生矫正上课坐姿，保障了学生的正常身体发育，另一方面，有效的反应了各学生在各学科的上课状态和听课质量，为成绩起伏较大或者成绩不理想学生的学习分析提供了溯源，便于教师教学活动的完善，同时还便于学生学习状态的及时调整，为学生的学习效果和学习质量提供了有力保障。
[0098] 所述云平台，用于接收各学生的综合发展评估系数，并进行后台显示。
[0099] 本发明提供的一种基于深度学习的学生教育学科综合化发展分析评价系统，通过对目标班级中各学生各学科对应的各次考试成绩以及各学生在预设采集周期内对应的学习姿态和学习状态进行采集与分析，得到学生的综合发展评估系数，一方面，有效的解决了当前仅仅从考试分数这一单一维度对学生的综合发展进行评价的问题，打破了当前笼统式评价模式的局限性和片面性，通过多个维度对学生进行综合评价，提高了学生综合分析评价的代表性和参考性，实现了对学生的全面评价，一方面，大幅度提升了对学生综合评价的全面性和精准性，为学生学习方式的休整提供可靠的参考依据，进而为后续学生综合化发展提供了发展方向和有力保障，另一方面，通过综合发展评估系数对学生评价，规避了当前人工评价模式中存在的随机性强、主观性大的弊端，拓展了学生综合性发展评价的关键，减少学生综合性发展评价的误差，促进了学生的综合化发展。
[0100] 以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
