基于常╲态化教学的智能录播系统研究

力志唐毅敏
南京广播电视大学江苏南京 210002

摘要：智能录播系统在资源建设和网络教学方面的应用日趋广泛，但在常态化教学中智能录播系统的使用还有颇多限制。通过分析现有的主流智能录播系统的特点，发现其在常态化教学中存在的问题和不足，从而设计出更加适用于常态化教学的智能录播系统。
关键词：智能录播系统常态化教学音频拾取视频切换

智能录播系统是利用计算机网络和多媒体技术将教学过程实时数字化的一种现代教育技术系统。智能录播系统将传统演播室延伸到普通教室，简化了资源建设的流程，节约了人力，在录制的同时还能提供网络直播、点播等功能。这些特点使得智能录播系统在高校精品网络课程建设的大潮中蓬勃发展，成为一种应用广泛的资源建设和网络教学系统。

一、智能录播系◆统的系统构成

目前市场上的智能录播系统品牌和型号有很多，采用的技术和设备也各有不同。但从系统的整体结构上看，却是大同小异，基本由以下功能模块构成：师生视频智能跟踪模块，教学内容显示模块，视频切换模块，音频模块和广播录制模块，拓扑关系如图1所示。

图1 智能录播系统拓扑图

     师生视频智能跟踪模块：这个模块包括教师跟踪和学生跟踪两个子系统。教师跟踪子系统负责自动精确定位主讲⌒教师位置并控制摄像机跟踪拍摄，将教师视频传送至视频切换模块。学生跟踪子系统是定位活跃学生（如发言的学生等），功能与教师部分类似，只是定位精确性较低。目前的智能跟踪方式主要有：图像识别和触发式（又包含空间△网格、红外触发、超声波触发和外部设备触发等）。

    教学内容显示模块：负责将各种教学内容转为视频并传输到视频切换模块，包含计算机图像子系统Ψ 、板书子系统和其他教学设备（如实物展台）子系统。

    视频切换模块：智能录播系统的核心，负责从多路视频信号中选择合适的信号传送给广播录制模块。视频切换模块●选择的视频是否合适，直接决定了智能录播系统能否如实准确地记录课堂教学过程。
音频模块：包括拾音子系统和扩声子系统。负责采集教学实时声音和扩声。

    广播录制模块：将视频切换模块传送来的视频信号和音频模块传送的音频信号合成为视频课件，并进行网络直播。录制模式主要分成电影模式（单画面）和课件模↓式（多画面）。在本文中主要讨论录播系统的电影录制模式（单画面）。

    二、智能录播系统在常态化教学中的困境

    所谓常态化教学是指普通的课堂教学，包括常态的教学过程、教学设施、教学方法和教学对象。这就要求录播系统要尽可能小地影响师生的心态和教学过程。

    录播系统对师生心态的影响主要有两个方面，一是事件的影响。当教师和学生知道这节课要录像时，心理上总会有些紧张。有些教师在课件录制过程中精神紧张，甚至说∞不出话来。而学生也会刻意隐藏或表现自己，表现出一定的反常情况。另一方面的影响是设备的影响。目前不少录播系统在录制课件特别是录制师生交互时需要一些辅助的器材，如教师须佩戴无线话筒，而学生回答问题需要按抢答器等。这些额外设备的使用加重了师生的心理负担，也容易引起一些录制过程中的故障。比如，学生回答问题必须要按抢答器，画面才会切换到该学生，如果学生忘记按抢答器或者其他学生按了抢答器，录播系统就无法正确切换画面。

    目前的智能录播系统对教学过程的影响不大。与传统电视课程拍摄系统比较，录播系统能和多媒体教学系统有机融合，现场也无需☉专业人员进行视频切换操作等，教师一般只需要按一个▓按键就可以进行课程录制。
从现有的自动录播系统在常态化教学中的应用来看，主要存在3个问题：教师的跟踪、教学视频内容的切换以及声音的拾取。

    1.教师跟踪部分存在的问题

    教师在课堂教学中占主导地位，是教学信息的主要传输者。教师的图像在课件中占很重要的地位。教师跟踪部分应该能准确定位教师的位置，清晰呈现教师的神态和动作。而现有的录播系统在这一点上还有不少问题。智能识别的跟踪方式可以较为及时地跟踪教师，但常会出现跟丢的情况（也就是所谓的“丢人”），触发式的跟踪方式“丢人”现象较少，但容易在触发临界点（两个触发区域的相交区域）出现镜头反复摇摆的情况。这些问题都会产生影响教学的垃圾镜头。而且这些跟踪方式往往有区域限制，不能覆盖教室的范围。有些教师习惯于在教室内走动讲授，当其离开设定区域时录播系统就无法准确跟踪。另外，在跟踪拍摄教师时，画面的景别是固定的，一般是中景，即腰部以上。这种景别能比较好地展现教师的教容教态，但对教师的面部表情和全身动作无法表达清楚。

    2.视频切换模块存在的问题

    视频切换模块是智能录播系统的核心，用来自动切换录制的视频内容。例如，当教师讲解时，该模块要选择教师跟踪子系统传来的视频；教师使用计算机时，该模块选择传输计算机的画面视频；当教师板∩书时，该模块将录播画面切换至板书视频；当学生提问或回答问题时，该模块选择学生跟踪子系统的视频。

    总的来说，这些视频内容之间的切换不外乎3种：人与人（PtP）、人与媒体（PtM）、媒体与媒体（MtM），见表1。

通过分析主流的录播系统，不难发现主要使用的切换方式有动作触发、区域触发和时间触发。比如当教师触动鼠标或键盘时，视频切换模块就选择计算机信号输出给广播录制系统，这就是一种动作触发切换；当一段时间无键盘鼠标动作后，视频切换模块则切回教师图像，这则是时间触发；当教师走到黑板前进行板书时，切换模块会切换到教☆师板书的视频，教师离开黑板，则切回教师图像状态，这就是区域触发。

视频切换模块在处理人与人、媒体与媒体的切换时，能够比较好地完成，但是对人和媒体的切换还存在很大问题。人和媒体的切换也可以分成两个部分，一是从人切换到媒体，另一个是从媒体切换到人。前者可以通过区域触发或动作触发来完成，而后者ζ一般通过时间触发来切换。以教师使用计算机教学来说，教师点击鼠标显示一张新的幻灯片，然后放开鼠标开始讲解相关内容。智能录播系统录制的视频内容和顺序见表2。

    开始时录制的是教师的图像，当教师触碰鼠标或键盘时，切换模块通过该动作触发切换，将教师图像切换到计算机图像，完成人到媒体的切换。这种切换方法基于一个假设：教师动键盘或鼠标一定是要展示计算机的内容。如果这个假设成立，那么切换就非常及时，也比较准确。从教学实际来看，这样ω　设定基本可行。当教师触动鼠标和按钮后，在一定时间内不再有键盘或鼠标操作，视频切换模块则自动从计算机图像切换回教师图像。这里就存在一个非常关键的问题：“一定时间”是多少？5秒、10秒还是20秒？设置时间很小，计算机图像显示时间就会过短，学生还没有看完PPT内容就切换成教师图像。设置时间很长，计算机图像显示时间就会过长，学生将被迫长时间面对静止的PPT内容。即使能为这张幻灯片设置一※个非常合适的时间，但是每张幻灯片的内容不同，需要显示的时间也不同，满足了这一张就无法满足另一张。所以，如何从媒体视频切换回教师图像是目前智能录播系统难以解决的一个问题。而这一问题的根本就在于现阶段的录播系统仍处于“自动”阶段，离真正的智能还有很长的一段路要走。

    3.声音拾取方面的问题

    录播系统需要拾取的声音包括人声拾音（包括教师和学生）和教学设备的声音。教学设备的声音一般通过线路输入直接接入录播系统。人声的主要拾音方式分有线话筒拾音和无线话筒拾音。无线话筒的拾音效果很好，而且不影响教师的移动，不过后期维护的工作量较大，如更换电池等，且教师和学生须额外佩戴无线设备也有违常态化教学的初衷。有线话筒拾音还可以分成强指向话筒拾音和弱指向话筒拾音。前者拾音效果好，但拾音范围小，教师和学生的位置受限制；后者拾音范围大，但拾音」效果差，在录制教师和学生语音的同时，环境噪音也会被录制。要拾音范围还是清晰度，目前的录播系统的拾音就处于这种两难境地。

    三、基于常态化教学的智能录播系统设计

    一个真正的智能录播系统要能完成以下设施或人员的工作：

    1.多媒体教室
    2.课件录制系统
    3.网络广播系统
    4.称职的摄像师（一㊣　个或多个）
    5.专业的视频导播人员
    6.专业的调音师

    让录播系统完成其他设施的工作并不难，难就难在让计算机系统去完成专业人员的工作：摄像、切换█和调音等。这也是目前录播系统在常规化教学中遇到很大困难的原因。以目前的人工智能技术很难完全实现专业人员的功能，而且录播系统的总价一般在20万元左右，如果使用一些高端的人工智能技术肯定会使录播系统造价飙升，进而妨碍录播系统的推广普及。所以基于常态化教学的录播系统应该在现有技术的基础上，通过更加科学的设计来完善。这ω个系统应包含：犯错更少的摄像师、更能理解教学过程的导播和更加专业的调音师。

    (1)犯错更少的摄像师

    录播系统中跟踪摄像的问题主要在于“丢人”和定位不准产生的垃圾镜头。要解决“丢人”问题可以采用触发式跟踪，要解决定位不准，可以通过改变触发方式来实现。现有的触发方式一般是单区域触发。该触发预先利用红外线或超声波设定多个触发①区域，每个触发区域对应一个摄像机位置（如图2所示）。其过程是，当教师从触发区域A进入触发区域B时，摄像机立刻相应转动，将画面由“摄像机画面1”改变为“摄像机画面2”。如果教师再进入C区域则摄像机又将向右转动，拍摄的画面相应变成“摄像机画面3”。设想一下，如果教师刚好在A，B两个区域的交界处来回走动，一会进A区域，一会进B区域，摄像机就会跟着转动，一会画面1一会画面2，这样拍摄出来的镜头就会一直晃动，影响观看者的学习效果。

要解决这种情况，不妨在触发区◣域和触发策略上做文章。可将触发区域的数量增加，范围缩小，摄像机的画面包含3个触发区域(如图3所示)。其触发策略是当教师在“触发区域n”中时,摄像机画面包含“触发区域n-1”“触发区域n”和“触发区域n+1”。当教师在此3个触发区内行动时,摄像机固定，位置不变。当教师离开这3个触发区域，进入“触发区域(n-1)-1”或“触发区域(n+1)+1”时，摄像机开始跟踪，画面转换成∴以该区域为中心以及其前后两个触发区域所组成的画面。这样就不会出现单区域触发所引起的镜头晃动的问题。

    通过上述方式，可有效降低录播系统的错误率。但目前很难做到零错误。我们知道，即使是一名专业的摄像师也有可能犯错，何况是一套计算机控制的摄像系统。关键在于，发生错误后如何修正错误，弥补错误的损失。因此，还必须有一系列的错误修正策略。比如，当跟踪“丢人”时，摄像机应迅速切换到全景或由切换模块切换到其他视频画面，这样就能减少垃圾镜头。

    (2)更能理解教学过程的导播

    在录播过程中，在何种情况下录制相应的教学内容视频是忠实记录课堂实况的关键。这就要有一个好的导播。如果是人工录制，可以由工作人员根据课堂的实际情况来切换各种视频。录播系统是靠动作触发、时间触发等方式自动完成切换，并非如人一样能根据上课内容来准确切换不同视频。如何让录播系统能够准确地切换并录制视频？笔者认为最重要的就是要从教学过程入手，掌握基本的教学规律，设定不同的∑　模式，以达到导播的基本准确。

    例如，我们可以根据讲课时依赖PPT的程度将教师分成3类，一类是非常依赖PPT，即PPT的内容和教师的口头讲授基本一致；另一类是很少使用PPT，即教师的上课内容多是口述，很少使用PPT；还有一类对PPT的使用介于前二者之间。然后根据这3种类型的教师我们可以设定3种不同的模式：PPT优先、教师优先和平⊙均模式，它们的主要区别在于录制课件时PPT显示时间的长短。PPT优先模式下，从计算机的PPT内容切换到教师▼图像需要20秒的时间，这样学习者就有充足的时间观看PPT的内容；教师优先模式下，切换等待时间设定为8秒，这样学习者就能更好地聆听教师的讲授；平均模式则设置切换等待时间为12秒，平均分配PPT和教师图像的显示时间。

    我们还可以根据教学过程的其他方面来设定不同的模式，满足不同的教学需要。

    利用图像识别技术或许也能使录播系统更加智能化地进行导播。以PPT为例，现在的图像识别技术可以判断出一张PPT上文字的数量，然后根据文字的多少，我们就可以设定PPT需要显示多长时间。
当然，这些方法不能完全解决录播系统的导播问题，但是可使导播更加贴㊣近教学实际。

    (3)更加专业的调音师

    为了达到常态化教学的效果，应尽量避免使用后期维护较大、增加教师负担的拾音设备，如强指向性的有线鹅颈话筒、手持式无线话筒、领夹式无线话筒等。从实践中我们发现，使用强指向性吊杆话筒可以有效地实现常态化教学的拾音。具体操作如下：在讲台区域布置若干个强吊杆话筒，覆盖整个讲台区域作为教师的拾音设备，在教室其他区域布置一些吊杆话筒作为学生的拾音设备。

    另外，我们还需要一个更加自动化的音频控制系统。这个系统要有以下功能：

    ①在拾取人声时，能有效去除人声以外的噪音，达到较高的拾音纯净度；
    ②自动控制音量，不论讲话人声音的高低，保证录音电平始终一致；
    ③自动识别主讲ぷ人，确保拾音的准确性；
    ④能清晰地扩音，不会引起拾音错误和回授。

    在原有录播系统的基础上，通过以上三方面的改进，应能更好满足常态化教学的需要。但是要真正做到基础常态教学的智能录播系统，还需要不断探究教学过程的规律与先进的技术和设备。