本发明涉及远程教育技术领域，尤其涉及一种基于云平台的远程教育系统。
背景技术：
现代远程教育可以有效地发挥远程教育的特点，是一种相对于面授教育、师生分离、非面对面组织的教学活动，它是一种跨学校、跨地区的教育体制和教学模式，它的特点是：学生与教师分离；采用特定的传输系统和传播媒体进行教学；信息的传输方式多种多样；学习的场所和形式灵活多变。与面授教育相比，远距离教育的优势在于它可以突破时空的限制；提供更多的学习机会；扩大教学规模；提高教学质量；降低教学的成本。
现有的远程教育系统存在的缺陷是：不能根据学生上课时的动作进行监测和分析获取学生上课状态的问题，以及不能根据上网的网络情况对学生的上课情况进行分析的问题。
技术实现要素：
本发明的目的在于提供一种基于云平台的远程教育系统，本发明所要解决的技术问题为：
如何解决现有方案中不能根据学生上课时的动作进行监测和分析获取学生上课状态的问题，以及不能根据上网的网络情况对学生的上课情况进行分析的问题。
本发明的目的可以通过以下技术方案实现：一种基于云平台的远程教育系统，包括数据采集模块、数据传输模块、行为分析模块、网络分析模块、识别调整模块、提示对话模块和统计监测模块；
数据采集模块用于采集学生上课的行为信息和网络信息，该行为信息包含学生上课的头部动作数据、眼部动作数据和嘴部动作数据，该网络信息包含网速数据、延迟数据和硬件数据，并通过数据传输模块将行为信息和网络信息分别发送至行为分析模块和网络分析模块；
行为分析模块用于接收行为信息并进行分析，得到行为分析信息，并将行为分析信息发送至识别调整模块，具体的步骤包括：
步骤一：获取行为信息中学生上课的头部动作数据、眼部动作数据和嘴部动作数据；
步骤二：设定不同角度的头部动作均对应一个不同的头动预设值，将头部动作数据中的头部动作与所有的头部动作进行匹配获取对应的头动预设值并标记为tdi，i＝1，2...n；统计头部动作中各个方向的动作次数并标记为tci，i＝1，2...n，获取头部动作数据中低头动作对应的头动预设值并标记为tdi1，i＝1，2...n，获取头部动作中低头动作次数并标记为tci1，i＝1，2...n；
步骤三：设定眨眼动作对应一个眼动预设值，将眼部动作数据与眨眼动作进行匹配获取对应的眼动预设值并标记为ydi，i＝1，2...n；统计眼部动作数据中眨眼动作的总次数并标记为yci，i＝1，2...n；
步骤四：设定嘴动闭合动作对应一个嘴闭预设值，设定嘴动张开动作对应一个嘴张预设值，将嘴部动作数据与嘴动闭合动作和嘴动张开动作进行匹配获取对应的嘴部预设值并标记为zdik，i＝1，2...n；k＝1,2；统计嘴部动作数据中嘴动的总次数并标记为zci，i＝1，2...n；统计嘴部动作数据中嘴动闭合动作的次数并标记为zci1，i＝1，2...n，统计嘴部动作数据中嘴动张开动作的次数并标记为zci2，i＝1，2...n；
步骤五：利用公式获取学生上课的监动值，该公式为：
其中，qjd表示为监动值，μ表示为预设的动作修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤六：将不同学生上课的监动值进行降序排列，将所有的监动值与预设的监动阈值进行匹配，将大于监动阈值的监动值对应的动作数据判定为异常动作数据，将不大于监动阈值的监动值对应的动作数据判定为正常动作数据；
步骤七：将监动值、异常动作数据和正常动作数据与学生的学号进行关联，得到行为分析信息；
网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块；
识别调整模块用于接收行为分析信息和网络分析信息并进行处理，得到处理调整数据；
所述数据传输模块用于对各个模块之间的数据进行传输。
优选的，网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块，具体的步骤包括：
s21：获取网络信息中的网速数据、延迟数据和硬件数据；
s22：将网速数据中的实时网速标记为wsi，i＝1，2...n；设定不同的网络延迟均对应一个不同的网延预设值，将延迟数据与所有的网络延迟进行匹配获取对应的网延预设值并标记为wyi，i＝1，2...n；
s23：设定不同的网卡型号均对应一个不同的网卡预设值，设定不同的网线型号均对应一个不同的网线预设值，将硬件数据中的网卡型号与所有的网卡型号进行匹配获取对应的网卡预设值并标记为wki，i＝1，2...n；将硬件数据中的网线型号与所有的网线型号进行匹配获取对应的网线预设值并标记为wxi，i＝1，2...n；
s24：利用公式获取学生上课的网络运行值，该公式为：
其中，qwy表示为网络运行值，η表示为预设的网络修正因子，b1、b2、b3表示为不同的比例系数；
s25：将网络运行值与预设的标准运行阈值进行对比，将不小于标准运行阈值的网络运行值对应的网络数据判定为正常上网数据，将小于标准运行阈值的网络运行值对应的网络数据判定为异常上网数据；
s26：将网络运行值、正常上网数据和异常上网数据与学生的学号进行关联，得到网络分析信息。
优选的，识别调整模块用于接收行为分析信息和网络分析信息并进行处理，得到处理调整数据，具体的步骤包括：
s31：获取行为分析信息中的异常动作数据关联的学生学号，得到第一异常学生学号，获取网络分析信息中的异常上网数据关联的学生学号，得到第二异常学生学号；
s32：将第一异常学生学号与第二异常学生学号进行对比匹配，将与第二异常学生学号相同的第一异常学生学号判定为网络影响数据，将与第二异常学生学号不同的第一异常学生学号判定为自我影响数据；网络影响数据和自我影响数据构成处理调整数据；
s33：获取自我影响数据中第一异常学生学号上网的账号，利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示。
优选的，利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示，具体的步骤包括：
s41：根据低头动作次数获取单位时间内低头频率，根据眨眼动作的总次数获取单位时间内眨眼频率，根据嘴动闭合动作次数获取单位时间内嘴动闭合频率；
s42：将低头频率、眨眼频率、嘴动闭合频率分别与预设的标准低头阈值、标准眨眼阈值和标准嘴动闭合阈值进行对比，根据大于标准低头阈值的低头频率判定该学生上课不专注并生成第一提示信号；根据小于标准眨眼阈值的眨眼频率判定该学生上课不清醒并生成第二提示信号；根据大于标准嘴动闭合阈值的嘴动闭合频率判定该学生上课吃东西并生成第三提示信号；
s43：将第一提示信号、第二提示信号和第三提示信号根据账号进行提示，并记录第一次提醒时间和提示内容，并将该账号标记为上课异常账号。
优选的，利用统计监测模块对学生上课的整体情况进行统计并生成上课秩序的监测结果，包括：
s51：利用公式获取学生的监测值，该公式为：
其中，qjc表示为监测值，p1表示为单位时间内低头频率,p2表示为单位时间内眨眼频率,p3表示为单位时间内嘴动闭合频率，c1、c2、c3表示为不同的比例系数；
s52：计算监测值的平均值，获取上课异常账号对应的监测值并与平均值进行对比，若对应的监测值大于平均值，则判定该上课秩序异常；若对应的监测值不大于平均值，则判定该上课秩序正常。
本发明的有益效果：
本发明公开的各个方面，利用数据采集模块采集学生上课的行为信息和网络信息，该行为信息包含学生上课的头部动作数据、眼部动作数据和嘴部动作数据，该网络信息包含网速数据、延迟数据和硬件数据，并通过数据传输模块将行为信息和网络信息分别发送至行为分析模块和网络分析模块；通过对学生上课的行为信息和网络信息进行综合分析，可以有效提高对学生上课状态的监测分析效果；
利用行为分析模块接收行为信息并进行分析，得到行为分析信息，并将行为分析信息发送至识别调整模块；利用网络分析模块接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块；通过分别对行为信息和网络信息进行分析和计算，可以对学生的上课状态分析提供数据支撑，克服现有方案中只能通过单一的行为分析对上课状态进行监测的缺陷，通过对头部动作、眼部动作和嘴部动作的分析并结合网络状态，精准分析学生的上课状态异常时的原因，可以解决不能根据学生上课时的动作进行监测和分析获取学生上课状态的问题；
利用识别调整模块接收行为分析信息和网络分析信息并进行处理，得到处理调整数据；利用统计监测模块对学生上课的整体情况进行统计并生成上课秩序的监测结果；通过对异常状态以及整体状态进行分析，可以解决不能根据上网的网络情况对学生的上课情况进行分析的问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明一种基于云平台的远程教育系统的原理框图。
具体实施方式
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。
实施例1
请参阅图1所示，本发明为一种基于云平台的远程教育系统，包括数据采集模块、数据传输模块、行为分析模块、网络分析模块、识别调整模块、提示对话模块和统计监测模块；
数据采集模块用于采集学生上课的行为信息和网络信息，该行为信息包含学生上课的头部动作数据、眼部动作数据和嘴部动作数据，该网络信息包含网速数据、延迟数据和硬件数据，并通过数据传输模块将行为信息和网络信息分别发送至行为分析模块和网络分析模块；
行为分析模块用于接收行为信息并进行分析，得到行为分析信息，并将行为分析信息发送至识别调整模块，具体的步骤包括：
步骤一：获取行为信息中学生上课的头部动作数据、眼部动作数据和嘴部动作数据；
步骤二：设定不同角度的头部动作均对应一个不同的头动预设值，将头部动作数据中的头部动作与所有的头部动作进行匹配获取对应的头动预设值并标记为tdi，i＝1，2...n；统计头部动作中各个方向的动作次数并标记为tci，i＝1，2...n，获取头部动作数据中低头动作对应的头动预设值并标记为tdi1，i＝1，2...n，获取头部动作中低头动作次数并标记为tci1，i＝1，2...n；
步骤三：设定眨眼动作对应一个眼动预设值，将眼部动作数据与眨眼动作进行匹配获取对应的眼动预设值并标记为ydi，i＝1，2...n；统计眼部动作数据中眨眼动作的总次数并标记为yci，i＝1，2...n；
步骤四：设定嘴动闭合动作对应一个嘴闭预设值，设定嘴动张开动作对应一个嘴张预设值，将嘴部动作数据与嘴动闭合动作和嘴动张开动作进行匹配获取对应的嘴部预设值并标记为zdik，i＝1，2...n；k＝1,2；统计嘴部动作数据中嘴动的总次数并标记为zci，i＝1，2...n；统计嘴部动作数据中嘴动闭合动作的次数并标记为zci1，i＝1，2...n，统计嘴部动作数据中嘴动张开动作的次数并标记为zci2，i＝1，2...n；
步骤五：利用公式获取学生上课的监动值，该公式为：
其中，qjd表示为监动值，μ表示为预设的动作修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤六：将不同学生上课的监动值进行降序排列，将所有的监动值与预设的监动阈值进行匹配，将大于监动阈值的监动值对应的动作数据判定为异常动作数据，将不大于监动阈值的监动值对应的动作数据判定为正常动作数据；
步骤七：将监动值、异常动作数据和正常动作数据与学生的学号进行关联，得到行为分析信息；
网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块；
网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块，具体的步骤包括：
获取网络信息中的网速数据、延迟数据和硬件数据；
将网速数据中的实时网速标记为wsi，i＝1，2...n；设定不同的网络延迟均对应一个不同的网延预设值，将延迟数据与所有的网络延迟进行匹配获取对应的网延预设值并标记为wyi，i＝1，2...n；
设定不同的网卡型号均对应一个不同的网卡预设值，设定不同的网线型号均对应一个不同的网线预设值，将硬件数据中的网卡型号与所有的网卡型号进行匹配获取对应的网卡预设值并标记为wki，i＝1，2...n；将硬件数据中的网线型号与所有的网线型号进行匹配获取对应的网线预设值并标记为wxi，i＝1，2...n；
利用公式获取学生上课的网络运行值，该公式为：
其中，qwy表示为网络运行值，η表示为预设的网络修正因子，b1、b2、b3表示为不同的比例系数；
将网络运行值与预设的标准运行阈值进行对比，将不小于标准运行阈值的网络运行值对应的网络数据判定为正常上网数据，将小于标准运行阈值的网络运行值对应的网络数据判定为异常上网数据；
将网络运行值、正常上网数据和异常上网数据与学生的学号进行关联，得到网络分析信息。
识别调整模块用于接收行为分析信息和网络分析信息并进行处理，得到处理调整数据，具体的步骤包括：
获取行为分析信息中的异常动作数据关联的学生学号，得到第一异常学生学号，获取网络分析信息中的异常上网数据关联的学生学号，得到第二异常学生学号；
将第一异常学生学号与第二异常学生学号进行对比匹配，将与第二异常学生学号相同的第一异常学生学号判定为网络影响数据，将与第二异常学生学号不同的第一异常学生学号判定为自我影响数据；网络影响数据和自我影响数据构成处理调整数据；
获取自我影响数据中第一异常学生学号上网的账号，利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示。
利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示，具体的步骤包括：
根据低头动作次数获取单位时间内低头频率，根据眨眼动作的总次数获取单位时间内眨眼频率，根据嘴动闭合动作次数获取单位时间内嘴动闭合频率；
将低头频率、眨眼频率、嘴动闭合频率分别与预设的标准低头阈值、标准眨眼阈值和标准嘴动闭合阈值进行对比，根据大于标准低头阈值的低头频率判定该学生上课不专注并生成第一提示信号；根据小于标准眨眼阈值的眨眼频率判定该学生上课不清醒并生成第二提示信号；根据大于标准嘴动闭合阈值的嘴动闭合频率判定该学生上课吃东西并生成第三提示信号；
将第一提示信号、第二提示信号和第三提示信号根据账号进行提示，并记录第一次提醒时间和提示内容，并将该账号标记为上课异常账号。
利用统计监测模块对学生上课的整体情况进行统计并生成上课秩序的监测结果，包括：
利用公式获取学生的监测值，该公式为：
其中，qjc表示为监测值，p1表示为单位时间内低头频率,p2表示为单位时间内眨眼频率,p3表示为单位时间内嘴动闭合频率，c1、c2、c3表示为不同的比例系数；
计算监测值的平均值，获取上课异常账号对应的监测值并与平均值进行对比，若对应的监测值大于平均值，则判定该上课秩序异常；若对应的监测值不大于平均值，则判定该上课秩序正常；
所述数据传输模块用于对各个模块之间的数据进行传输；
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置。
本发明的工作原理：利用数据采集模块采集学生上课的行为信息和网络信息，该行为信息包含学生上课的头部动作数据、眼部动作数据和嘴部动作数据，该网络信息包含网速数据、延迟数据和硬件数据，并通过数据传输模块将行为信息和网络信息分别发送至行为分析模块和网络分析模块；通过对学生上课的行为信息和网络信息进行综合分析，可以有效提高对学生上课状态的监测分析效果；
利用行为分析模块接收行为信息并进行分析，得到行为分析信息，并将行为分析信息发送至识别调整模块；利用网络分析模块接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块；通过分别对行为信息和网络信息进行分析和计算，利用公式
学生上课的监动值，将不同学生上课的监动值进行降序排列，将所有的监动值与预设的监动阈值进行匹配，将大于监动阈值的监动值对应的动作数据判定为异常动作数据，将不大于监动阈值的监动值对应的动作数据判定为正常动作数据，可以对学生的上课状态分析提供数据支撑，克服现有方案中只能通过单一的行为分析对上课状态进行监测的缺陷，
利用公式
利用识别调整模块接收行为分析信息和网络分析信息并进行处理，得到处理调整数据；利用统计监测模块对学生上课的整体情况进行统计并生成上课秩序的监测结果；用公式
在本发明所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方法的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
1.一种基于云平台的远程教育系统，其特征在于，包括数据采集模块、数据传输模块、行为分析模块、网络分析模块、识别调整模块、提示对话模块和统计监测模块；
数据采集模块用于采集学生上课的行为信息和网络信息，该行为信息包含学生上课的头部动作数据、眼部动作数据和嘴部动作数据，该网络信息包含网速数据、延迟数据和硬件数据，并通过数据传输模块将行为信息和网络信息分别发送至行为分析模块和网络分析模块；
行为分析模块用于接收行为信息并进行分析，得到行为分析信息，并将行为分析信息发送至识别调整模块，具体的步骤包括：
步骤一：获取行为信息中学生上课的头部动作数据、眼部动作数据和嘴部动作数据；
步骤二：设定不同角度的头部动作均对应一个不同的头动预设值，将头部动作数据中的头部动作与所有的头部动作进行匹配获取对应的头动预设值并标记为tdi，i＝1，2...n；统计头部动作中各个方向的动作次数并标记为tci，i＝1，2...n，获取头部动作数据中低头动作对应的头动预设值并标记为tdi1，i＝1，2...n，获取头部动作中低头动作次数并标记为tci1，i＝1，2...n；
步骤三：设定眨眼动作对应一个眼动预设值，将眼部动作数据与眨眼动作进行匹配获取对应的眼动预设值并标记为ydi，i＝1，2...n；统计眼部动作数据中眨眼动作的总次数并标记为yci，i＝1，2...n；
步骤四：设定嘴动闭合动作对应一个嘴闭预设值，设定嘴动张开动作对应一个嘴张预设值，将嘴部动作数据与嘴动闭合动作和嘴动张开动作进行匹配获取对应的嘴部预设值并标记为zdik，i＝1，2...n；k＝1,2；统计嘴部动作数据中嘴动的总次数并标记为zci，i＝1，2...n；统计嘴部动作数据中嘴动闭合动作的次数并标记为zci1，i＝1，2...n，统计嘴部动作数据中嘴动张开动作的次数并标记为zci2，i＝1，2...n；
步骤五：利用公式获取学生上课的监动值，该公式为：
其中，qjd表示为监动值，μ表示为预设的动作修正因子，a1、a2、a3、a4表示为不同的比例系数；
步骤六：将不同学生上课的监动值进行降序排列，将所有的监动值与预设的监动阈值进行匹配，将大于监动阈值的监动值对应的动作数据判定为异常动作数据，将不大于监动阈值的监动值对应的动作数据判定为正常动作数据；
步骤七：将监动值、异常动作数据和正常动作数据与学生的学号进行关联，得到行为分析信息；
网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块；
识别调整模块用于接收行为分析信息和网络分析信息并进行处理，得到处理调整数据；
所述数据传输模块用于对各个模块之间的数据进行传输。
2.根据权利要求1所述的一种基于云平台的远程教育系统，其特征在于，网络分析模块用于接收网络信息并进行分析，得到网络分析信息，并将网络分析信息发送至识别调整模块，具体的步骤包括：
s21：获取网络信息中的网速数据、延迟数据和硬件数据；
s22：将网速数据中的实时网速标记为wsi，i＝1，2...n；设定不同的网络延迟均对应一个不同的网延预设值，将延迟数据与所有的网络延迟进行匹配获取对应的网延预设值并标记为wyi，i＝1，2...n；
s23：设定不同的网卡型号均对应一个不同的网卡预设值，设定不同的网线型号均对应一个不同的网线预设值，将硬件数据中的网卡型号与所有的网卡型号进行匹配获取对应的网卡预设值并标记为wki，i＝1，2...n；将硬件数据中的网线型号与所有的网线型号进行匹配获取对应的网线预设值并标记为wxi，i＝1，2...n；
s24：利用公式获取学生上课的网络运行值，该公式为：
其中，qwy表示为网络运行值，η表示为预设的网络修正因子，b1、b2、b3表示为不同的比例系数；
s25：将网络运行值与预设的标准运行阈值进行对比，将不小于标准运行阈值的网络运行值对应的网络数据判定为正常上网数据，将小于标准运行阈值的网络运行值对应的网络数据判定为异常上网数据；
s26：将网络运行值、正常上网数据和异常上网数据与学生的学号进行关联，得到网络分析信息。
3.根据权利要求1所述的一种基于云平台的远程教育系统，其特征在于，识别调整模块用于接收行为分析信息和网络分析信息并进行处理，得到处理调整数据，具体的步骤包括：
s31：获取行为分析信息中的异常动作数据关联的学生学号，得到第一异常学生学号，获取网络分析信息中的异常上网数据关联的学生学号，得到第二异常学生学号；
s32：将第一异常学生学号与第二异常学生学号进行对比匹配，将与第二异常学生学号相同的第一异常学生学号判定为网络影响数据，将与第二异常学生学号不同的第一异常学生学号判定为自我影响数据；网络影响数据和自我影响数据构成处理调整数据；
s33：获取自我影响数据中第一异常学生学号上网的账号，利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示。
4.根据权利要求1所述的一种基于云平台的远程教育系统，其特征在于，利用提示对话模块根据低头动作次数、眨眼动作的总次数和嘴动闭合动作次数通过账号进行上课提示，具体的步骤包括：
s41：根据低头动作次数获取单位时间内低头频率，根据眨眼动作的总次数获取单位时间内眨眼频率，根据嘴动闭合动作次数获取单位时间内嘴动闭合频率；
s42：将低头频率、眨眼频率、嘴动闭合频率分别与预设的标准低头阈值、标准眨眼阈值和标准嘴动闭合阈值进行对比，根据大于标准低头阈值的低头频率判定该学生上课不专注并生成第一提示信号；根据小于标准眨眼阈值的眨眼频率判定该学生上课不清醒并生成第二提示信号；根据大于标准嘴动闭合阈值的嘴动闭合频率判定该学生上课吃东西并生成第三提示信号；
s43：将第一提示信号、第二提示信号和第三提示信号根据账号进行提示，并记录第一次提醒时间和提示内容，并将该账号标记为上课异常账号。
5.根据权利要求1所述的一种基于云平台的远程教育系统，其特征在于，利用统计监测模块对学生上课的整体情况进行统计并生成上课秩序的监测结果，包括：
s51：利用公式获取学生的监测值，该公式为：
其中，qjc表示为监测值，p1表示为单位时间内低头频率,p2表示为单位时间内眨眼频率,p3表示为单位时间内嘴动闭合频率，c1、c2、c3表示为不同的比例系数；
s52：计算监测值的平均值，获取上课异常账号对应的监测值并与平均值进行对比，若对应的监测值大于平均值，则判定该上课秩序异常；若对应的监测值不大于平均值，则判定该上课秩序正常。
技术总结