[0001] 本发明属于会计教学技术领域，尤其涉及一种会计教学设备及会计教学方法。

[0002] 会计是根据《会计法》《，预算法》，《统计法》对记账凭证、财务账簿、财务报表，从事经济核算和监督的过程。是以货币为主要计量单位，运用专门的方法，核算和监督一个单位经济活动的一种经济管理工作。每月零星盘算为“计”，一年总盘算为“会”，会计方法一般包括：会计核算方法，会计分析方法，会计检查方法。会计核算是指对会计主体已经发生或已经完成的经济活动进行的事后核算，也就是会计工作中记账、算账、报账的总称。会计分析是根据会计报表、会计帐簿，结合计划、统计和其他资料，对有关单位的财务状况、经营过程及其结果或预算的执行情况以及成本降低任务完成情况等进行的分析研究。会计检查是会计部门在企业内部实施会计监督的职能,是指由会计人员对会计资料的合法性、合理性、真实性和准确性进行的审查和稽核。然而，现有会计教学对会计教学内容难点的检测标准及规则较为单一，并不能全面的实现对教学内容整体难度的分析，以致于所确定的难点内容准确度较低且不全面；同时，教学时无法准确获知学习者在学习时愉悦或疑惑的程度，缺陷在于不能反映出学习者对问题的理解程度。

[0003] 综上所述，现有技术存在的问题是：现有会计教学对会计教学内容难点的检测标准及规则较为单一，并不能全面的实现对教学内容整体难度的分析，以致于所确定的难点内容准确度较低且不全面；同时，教学时无法准确获知学习者在学习时愉悦或疑惑的程度，缺陷在于不能反映出学习者对问题的理解程度。

[0004] 现有技术中不能有效保留视频图像细节，图像的清晰度较差，不利于真实准确的获得会计教学视频数据；现有技术中不能有效去除随机信号，使得会计教学视频声音得不到准确、高效的传输；现有技术中不能有效减少缓存对数据的延误，常常因为网络拥堵造成的卡顿问题，降低存储的准确度。

[0043] 为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

[0044] 下面结合附图对本发明的结构作详细的描述。

[0045] 如图1所示，本发明提供的会计教学设备的会计教学方法包括以下步骤：

[0046] S101：利用网络摄像头根据改进的Brenner算法对会计教学视频数据进行采集；利用数据线将视频数据进行传输；

[0047] S102：利用网卡连接互联网进行教学视频网络传输通信；

[0048] S103：利用检测程序对教学内容难点进行检测；利用评估程序对教学质量进行评估；

[0049] S104：利用下载程序下载网络中的会计教学视频数据；利用声卡经过小波阈值去噪输出会计教学视频声音；

[0050] S105：利用存储器采用缓存分配方式对下载的会计教学视频数据进行存储；利用显示器显示网络在线上的会计教学视频。

[0051] 步骤S101中，本发明实施例提供的利用网络摄像头根据改进的Brenner算法对会计教学视频数据进行采集，有效保留视频图像细节，提高图像的清晰度，有利于真实准确的获得会计教学视频数据，具体算法为：

[0052] 采用两个滤波器模板分别是带通滤波器T＝[-1 0 1]和高通滤波器G＝[-1 1]；用两个滤波器模板对图像分别进行滤波，通过计算低频部分能量和高频部分能量来评价图像清晰度；改进的清晰度评价算法可定义为：

[0053]

[0054] 改进算法在滤除比例较大的低频成分的同时，保留了图像细节丰富的中高频成分；有效地解决传统Brenner算法依赖阈值的问题。

[0055] 步骤S104中，本发明实施例提供的利用声卡经过小波阈值去噪输出会计教学视频声音，有效去除随机信号，保证了会计教学视频声音的准确、高效传输，具体算法为：

[0056] 利用两种阈值函数去噪法进行去燥，

[0057] 硬阈值函数：

[0058]

[0059] 软阈值函数：

[0060]

[0061] 其中，sign(n)为符号函数，其表达式如下：

[0062]

[0063] 式中λ为门限阈值，ωj，k为原始信号经小波变换后所得的小波系数， 为估计的小波系数。

[0064] 步骤S105中，本发明实施例提供的利用存储器采用缓存分配方式对下载的会计教学视频数据进行存储，有效减少缓存对数据的延误，减缓网络拥堵造成的卡顿问题，提高存储的准确度；

[0065] 缓存大小为C时，随机访问负载的平均缓存命中率h≈C/Z，则一个存储设备的平均访问延迟Tavg为：

[0066] Tavg＝h×Tcache+(1-h)×Tdisk

[0067] 其中，Tcache是I/O请求访问缓存的延迟，Tdisk是I/O请求访问存储设备的延迟，因为缓存的访问延迟通常远低于存储设备的访问延迟，为了简化分析，忽略缓存访问延迟对性能的影响，那么存储设备的平均访问延迟可以简化为

[0068] Tavg＝(1-h)×Tdisk，将随机访问负载的缓存命中率表达式h＝C/Z代入Tavg＝h×Tcache+(1-h)×Tdisk，获得存储设备访问延迟相等时的缓存分配方案，如下式：

[0069]

[0070] 如图2所示，本发明实施例提供的会计教学设备包括：会计视频采集模块1、视频数据输入模块2、主控模块3、网络通信模块4、难点检测模块5、教学质量评估模块6、教学视频下载模块7、音频输出模块8、教学视频存储模块9、显示模块10。

[0071] 会计视频采集模块1，与视频数据输入模块2连接，用于通过网络摄像头采集会计教学视频数据；

[0072] 视频数据输入模块2，与会计视频采集模块1、主控模块3连接，用于通过数据线将视频数据输入到主控模块中；

[0073] 主控模块3，与会计视频采集模块1、视频数据输入模块2、网络通信模块4、难点检测模块5、教学质量评估模块6、教学视频下载模块7、音频输出模块8、教学视频存储模块9、显示模块10连接，用于通过单片机控制各个模块正常工作；

[0074] 网络通信模块4，与主控模块3连接，用于通过网卡连接互联网进行教学视频网络传输通信；

[0075] 难点检测模块5，与主控模块3连接，用于通过检测程序对教学内容难点进行检测；

[0076] 教学质量评估模块6，与主控模块3连接，用于通过评估程序对教学质量进行评估；

[0077] 教学视频下载模块7，与主控模块3连接，用于通过下载程序下载网络中的会计教学视频数据；

[0078] 音频输出模块8，与主控模块3连接，用于通过声卡输出会计教学视频声音；

[0079] 教学视频存储模块9，与主控模块3连接，用于通过存储器存储下载的会计教学视频数据；

[0080] 显示模块10，与主控模块3连接，用于通过显示器显示网络在线上的会计教学视频。

[0081] 本发明提供的难点检测模块5检测方法如下：

[0082] (1)信息检测步骤：通过用户终端检测用户在进行会计教学内容学习过程中的会计教学内容播放信息和/或用户行为信息；

[0083] (2)难点内容确定步骤：根据所述内容播放信息和/或用户行为信息确定会计教学内容中的学习难点内容；

[0084] (3)难度值计算步骤：按照预设难点检测算法确定各个难点内容之间的难度权衡比，并根据所述难度权衡比计算出各个难点内容的难度值；

[0085] 对应关系生成步骤：生成所述难度值与所述会计教学内容中难点内容的对应关系，根据所述对应关系确定所述会计教学内容中的难点难度。

[0086] 本发明提供的信息检测步骤，包括：

[0087] 通过所述用户终端的辅助设备检测用户行为信息；

[0088] 检测所述用户终端的终端操作信息，根据所述终端操作信息确定所述内容播放信息。

[0089] 本发明提供的用户行为信息包括用户的面部特征信息，所述难点内容确定步骤，包括：

[0090] 判断所述用户的面部特征信息是否包括皱眉特征和/或叹息特征；

[0091] 若包括，将当前播放的部分会计教学内容作为难点内容。

[0092] 本发明提供的会计教学内容中的暂停操作、重复播放操作、快进操作以及回放操作的至少一项，所述难点内容确定步骤，包括以下任意一个或多个子步骤：

[0093] 第一检测子步骤：检测所述会计教学内容中的暂停操作，若检测到的暂停时长在预设暂停时长范围，将暂停操作对应的部分会计教学内容作为难点内容；

[0094] 第二检测子步骤：检测所述会计教学内容中的重复播放操作，若检测到的重复播放操作次数大于预设重复次数，将重复播放操作对应的部分会计教学内容作为难点内容；

[0095] 第三检测子步骤：检测所述会计教学内容中的回放操作，若检测到的回放操作次数大于预设回放次数，将回放操作对应的部分会计教学内容作为难点内容。

[0096] 本发明提供的教学质量评估模块6评估方法如下：

[0097] 1)获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像；

[0098] 2)分别对各个拍摄装置的表情图像进行处理；对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度；

[0099] 3)根据预设的转换关系，将步骤2)得到各表情分类以及对应的表情的强度进行整体数据分析，得到会计教学质量评估指标。

[0100] 2.根据权利要求1所述的会计教学质量评估方法，其特征在于，步骤2)中的表情分类由高兴、疑惑、及焦虑组成，强度处理子模型是指高兴强度处理子模型、疑惑强度处理子模型、焦虑强度处理子模型三种之一。

[0101] 本发明提供的评估方法还包括分别训练各个强度处理子模型的步骤，任意一个强度处理子模型的训练步骤包括：

[0102] A1、获取某一表情分类下的用于训练的包含人面部分的表情数据库，所述表情数据库包含具有面部表情强度标签的数据库与无面部表情强度标签的数据库；

[0103] A2、对所述表情数据库中的图像数据进行预处理，提取出人面部分的数据；

[0104] A3、对提取出的人面部分的数据分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取；

[0105] A4、分别使用全监督模式、半监督模式和无监督模式对步骤A3输出的数据进行训练，得到特征与面部表情强度的关系；

[0106] A5、将所述训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度处理子模型，将k1*B1+k2*B2+k3*B3作为最终的面部表情强度计算模型，其中系数k1、k2、k3的取值范围均为(0，1)，且k1+k2+k3＝1，B1、B2、B3分别为同一输入条件下全监督模式、半监督模式和无监督模式对应的输出值；

[0107] 其中，全监督模式是指采用带有强度标签的图像数据作为该模式的表情数据库进行训练；半监督模式是指采用部分带有强度标签部分不带有强度标签的图像数据作为该模式的表情数据库进行训练；无监督模式是指采用不带有强度标签的图像数据作为该模式的表情数据库进行训练。

[0108] 本发明提供的步骤A2中预处理包括：

[0109] 人脸特征点定位、人脸识别、图像剪切和直方图均衡化；方案采用主动形状模型ASM获取面部特征点，利用瞳孔间的连线与水平线的夹角，旋转图像使得瞳孔间连线为水平，之后调用OpenCV库中人脸识别框架获取图像数据中人面部分，并且剪切面部区域为M*N像素，最后对剪切后的所有图像数据进行直方图均衡化处理；其中，M、N均为正整数且均大于3。

[0110] 本发明提供的步骤A3中还包括步骤：采用主成分分析方法，分别对三种模式提取的特征进行处理以降低特征数据的维度。

[0111] 本发明提供的步骤A3中对于任意一帧：是以该帧中下巴与鼻尖的像素间距离为标准值，将嘴角、下巴、眼角、上下眼皮之间的像素间的相互距离与该帧的标准值的比值作为面部几何特征。

[0112] 以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。