本发明涉及绘画教育数据处理，具体为一种基于大数据处理的教育智能云平台以及学习方法。
背景技术：
1、随着互联网和云计算技术的迅速发展，教育领域迎来了新的机遇与变革。教育云平台应运而生，成为支持在线课程、远程学习和虚拟课堂的重要技术工具。这一发展趋势为教师、学生以及教育机构提供了更多灵活性和多样化的教学方式，特别适用于无法亲自到教室上课的学生，如远程教育、成人教育和线上课程等。
2、绘画艺术是一门需要长期实践和培养的艺术形式，传统的绘画教育往往依赖于教师的主观判断和经验来评估学生的绘画作品。这种主观性可能会受到教师自身的审美观点、经验水平、个人偏好等多种因素的影响，导致评估结果缺乏一致性和科学性。这对学生的学习方向和成长产生了负面影响，因为他们无法得到准确、客观的反馈。在传统的绘画教育中，反馈往往依赖于教师对作品的批改，这通常需要一定时间。因此，学生可能需要等待较长时间才能得到反馈。延迟的反馈不仅降低了学生对自身学习进展的实时认知，还可能减缓学习的动力，影响教学效果。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于大数据处理的教育智能云平台以及学习方法，解决了背景技术提到的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种基于大数据处理的教育智能学习方法，包括以下步骤：
3、步骤s1、学生在绘画过程中，使用带有压力传感器的画笔进行绘画素描图像，并全程录制视频；
4、步骤s2、将学生提交的包括jpeg、png、bmp、tiff或svg格式的绘画图像、学生信息以及绘画录制视频，存入数据中台，并由数据中台对若干个不同格式的绘画图像和绘画录制视频进行识别并转化为通用格式存储；
5、步骤s3、使用视频处理工具ffmpeg将学生的绘画录制视频分割成一系列图像帧，并对一系列图像帧进行预处理后，获得已处理后的一系列图像帧，并转换为时间序列数据结构；
6、步骤s4、使用计算机视觉对时间序列数据结构进行画笔运动追踪，并从追踪的画笔运动中确定关键帧；并从每个关键帧中提取绘画技能相关的特征，建立技能特征集；
7、步骤s5、建立绘画技能特征模型，并将技能特征集作为输入绘画技能特征模型中，计算分析获得线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl；
8、步骤s6、将线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl分别与标准阈值q进行对比，获得评估结果，并按照评估结果生成相对应的学习路径。
9、优选的，数据中台用于集成和管理多源数据类型，包括绘画图像、学生信息和绘画录制视频；设置通用格式，包括json或xml，提供学生界面api，允许学生上传各种格式的绘画图像，接收jpeg、png、bmp、tiff和svg图像格式，以及接收mp4和avi的绘画录制视频；
10、将绘画图像识别并统一转化为png格式存储；将绘画录制视频识别并统一存储为avi格式。
11、优选的，所述步骤s3中包括：
12、s31、在数据中泰中安装ffmpeg工具，并使用ffmpeg工具将绘画录制视频分割成一系列图像帧；设置输出帧率，每30帧每秒，制定输出图像帧的保存路径和文件名格式，采用四位数字“％04d”表示帧序号；
13、s32、对每个图像帧进行预处理，预处理包括调整图像大小，增强对比度和亮度，去除噪声；
14、s33、将预处理后的图像帧保存在指定文件夹中，使用图像处理库工具进行图像保存；
15、s34、构建时间序列数据，创建时间序列数据结构，包含每个图像帧的帧序号和时间戳，并将每个图像帧的帧序号和时间戳进行关联，形成包含时间信息的图像数据的元组，设置为timestamp,image_data格式；
16、s35、将时间序列数据结构保存为二进制文件。
17、优选的，所述s4步骤中包括：
18、s41、使用计算机视觉技术中的光流法检测图像中相邻帧像素的运动，追踪画笔轨迹；
19、s42、分析画笔运动的速度、加速度信息，当识别到画笔移动速度超过第一阈值时，确定画笔移动的显著变化，作为第一关键帧；
20、s43、检测画布上颜色的变化，比较相邻帧之间的像素值，识别颜色变化超过第二阈值时，作为第二关键帧；
21、s44、结合第一关键帧和第二关键帧，并提取线条平滑度特征、曲线连贯度特征、识别绘画工具压力变化特征、颜色分布特征和手眼协调特征；
22、结合画笔运动和视频中学生的视觉信息提取手眼协调特征；
23、s45、依据s44提取的特征建立技能特征集。
24、优选的，所述s5步骤包括：
25、s51、收集具有标记的绘画数据，包括关键帧、技能特征集及技能评估数据；
26、s52、建立绘画技能特征模型，将技能特征集作为输入进行深度学习和训练，并分析计算获得线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl。
27、优选的，所述线条平滑度phd和曲线连贯度lgd通过以下公式生成：
28、
29、式中：n是关键帧的数量，δθi是第i帧到第i+1帧之间的角度变化，δti是第i帧到第i+1帧之间的时间变化。
30、优选的，所述步骤正确率zql、专注度zzd和手眼协调度xtd通过以下公式生成：
31、
32、式中，bzsl表示为正确执行的步骤数量，zbz表示为绘画总步骤数量；dbhh表示学生实际提笔绘画的时间，zhhsj表示为整个视频中绘画过程的时间；zqcs表示为正确运动的次数，具体为画笔移动与目标路径相符的次数；zydcs表示为总运动的次数为画笔的总移动次数。
33、优选的，提取带有压力传感器的绘画工具的压力数据，当表示压力变化的时间序列数据p1，p2，...，pn，其中，pi表示第i时间点的压力值，压力增量mi表示压力的变化幅度，通过以下公式计算获得：
34、mi＝|pi+1-pi|
35、然后，计算压力变化系数yl：
36、
37、其中，δti表示为第i个时间点第i+1个时间点的时间变化。
38、优选的，所述标准阈值q包括线条平滑度阈值q1、曲线连贯度阈值q2、步骤正确率阈值q3、专注度阈值q4、手眼协调度阈值q5和压力运动阈值q6；将线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl与相对应的线条平滑度阈值q1、曲线连贯度阈值q2、步骤正确率阈值q3、专注度阈值q4、手眼协调度阈值q5和压力运动阈值q6进行对比评估，获得以下评估结果，包括：
39、将线条平滑度phd与线条平滑度阈值q1进行对比，若线条平滑度phd大于或等于线条平滑度阈值q1，表示合格；若线条平滑度phd低于线条平滑度阈值q1，表示不合格，生成第一绘画训练路径；所述第一绘画训练路径包括提供额外的针对线条平滑度的练习训练任务；
40、将曲线连贯度lgd与曲线连贯度阈值q2进行对比，若曲线连贯度lgd大于或等于曲线连贯度阈值q2，表示合格；若曲线连贯度lgd低于曲线连贯度阈值q2，表示不合格，生成第二绘画训练路径；所述第二绘画训练路径包括强调曲线的练习和技能训练任务；
41、将步骤正确率zql与步骤正确率阈值q3进行对比，若步骤正确率zql高于或等于步骤正确率阈值q3，表示合格；若步骤正确率zql低于步骤正确率阈值q3，表示不合格，生成第三绘画训练路径；所述第三绘画训练路径包括注重步骤顺序的练习和训练任务；
42、将专注度zzd与专注度阈值q4进行对比，若专注度zzd高于或等于专注度阈值q4，表示合格；若专注度zzd低于专注度阈值q4，表示不合格，生成第四绘画训练路径；所述第四绘画训练路径包括专注力提升的练习任务；
43、将手眼协调度xtd与手眼协调度阈值q5进行对比，若手眼协调度xtd大于或等于手眼协调度阈值q5，表示合格；若手眼协调度xtd低于手眼协调度阈值q5，表示不合格，生成第五绘画训练路径；所述第五绘画训练路径包括强调手眼协调的练习任务；
44、将压力运动系数yl与压力运动阈值q6进行对比，当压力运动系数yl大于或等于压力运动阈值q6，表示合格；若压力运动系数yl低于压力运动阈值q6，表示不合格，生成第六绘画训练路径；所述第六绘画训练路径包括注重压感均匀的练习任务；
45、依据第一绘画训练路径、第二绘画训练路径、第三绘画训练路径、第四绘画训练路径、第五绘画训练路径和第六绘画训练路径，结合公开渠道，搜索相关联的训练特征库，并生成相对应的预测内容，以及预测内容对整体绘画表现的提升情况；并通过预测内容，为学生设定目标，跟踪学生在绘画技能上的进展。
46、一种基于大数据处理的教育智能云平台，包括，
47、数据收集模块，用于从学生端收集绘画数据，包括绘画图像、学生信息以及绘画录制视频，并提供学生界面api，允许学生上传数据；
48、数据存储模块，数据中台负责集成和管理多源数据类型，将绘画图像和视频识别并转换为通用格式，并提供冗余备份和数据安全机制；
49、数据预处理模块，使用ffmpeg工具分割绘画录制视频，生成一系列图像帧，对图像帧进行预处理，包括调整大小、增强对比度和亮度和去除噪声，构建时间序列数据结构，并将其保存为二进制文件；
50、计算机视觉分析模块，使用光流法技术进行画笔运动追踪，提取关键帧，通过画笔运动和颜色变化，确定关键帧并提取绘画技能相关的特征；提供画笔运动的速度、加速度信息，分析画笔轨迹和颜色变化；
51、技能特征模型模块，收集标记的绘画数据，建立绘画技能特征模型，使用深度学习和训练模型，计算线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl；
52、评估与学习路径生成模块，对线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl进行评估，生成评估结果，根据评估结果，生成相应的绘画训练路径，各个训练路径针对不同的绘画技能需求，提供个性化的练习和训练任务。
53、本发明提供了一种基于大数据处理的教育智能云平台以及学习方法。具备以下有益效果：
54、(1)该一种基于大数据处理的教育智能学习方法，通过步骤s1-s6，学生在绘画过程中使用带有压力传感器的画笔进行绘画素描图像，并全程录制视频。步骤s2将学生提交的绘画图像和录制视频存入数据中台，并通过数据中台对不同格式的数据进行识别和转化。通过步骤s3，使用视频处理工具ffmpeg将学生的绘画录制视频分割成图像帧，并对图像帧进行预处理，获得时间序列数据结构。在步骤s4中，通过计算机视觉技术对时间序列数据进行画笔运动追踪，提取关键帧，并建立技能特征集。步骤s5中，建立了绘画技能特征模型，并对技能特征集进行深度学习和分析，获得多个绘画技能指标，包括线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl。最后，在步骤s6中，将这些技能指标与设定的标准阈值进行对比，生成评估结果，并根据评估结果生成相应的学习路径。这一步骤实现了对学生绘画技能的客观评估和个性化反馈。
55、(2)该一种基于大数据处理的教育智能云平台，通过数据中台和实时处理技术，系统减少了传统教学模式下学生等待批改的时间，实现了对学生的实时反馈。同时，系统能够跟踪学生在绘画技能上的进展，及时调整学习计划和目标，提高学习的动力和效果。整合了绘画图像、学生信息和绘画录制视频多种数据类型，并应用了数据处理、计算机视觉和深度学习技术手段。这种多技术手段的综合应用使得系统更加全面，能够更精细地分析学生的绘画过程和技能表现，提供更全面的评估和指导。
1.一种基于大数据处理的教育智能学习方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于大数据处理的教育智能学习方法，其特征在于：数据中台用于集成和管理多源数据类型，包括绘画图像、学生信息和绘画录制视频；设置通用格式，包括json或xml，提供学生界面api，允许学生上传各种格式的绘画图像，接收jpeg、png、bmp、tiff和svg图像格式，以及接收mp4和avi的绘画录制视频；
3.根据权利要求1所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述步骤s3中包括：
4.根据权利要求1所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述s4步骤中包括：
5.根据权利要求1所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述s5步骤包括：
6.根据权利要求5所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述线条平滑度phd和曲线连贯度lgd通过以下公式生成：
7.根据权利要求5所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述步骤正确率zql、专注度zzd和手眼协调度xtd通过以下公式生成：
8.根据权利要求5所述的一种基于大数据处理的教育智能学习方法，其特征在于：提取带有压力传感器的绘画工具的压力数据，当表示压力变化的时间序列数据p1，p2，...，pn，其中，pi表示第i时间点的压力值，压力增量mi表示压力的变化幅度，通过以下公式计算获得：
9.根据权利要求8所述的一种基于大数据处理的教育智能学习方法，其特征在于：所述标准阈值q包括线条平滑度阈值q1、曲线连贯度阈值q2、步骤正确率阈值q3、专注度阈值q4、手眼协调度阈值q5和压力运动阈值q6；线条平滑度phd、曲线连贯度lgd、步骤正确率zql、专注度zzd、手眼协调度xtd以及压力运动系数yl与相对应的线条平滑度阈值q1、曲线连贯度阈值q2、步骤正确率阈值q3、专注度阈值q4、手眼协调度阈值q5和压力运动阈值q6进行对比评估，获得以下评估结果，包括：
10.一种基于大数据处理的教育智能云平台，应用于权利要求1-9任一项所述的一种基于大数据处理的教育智能学习方法，其特征在于：包括，
