77276

САМОКАЛИБРУЮЩАЯСЯ МАСШТАБИРУЕМАЯ СИСТЕМА ВВОДА ТРЁХМЕРНЫХ ЖЕСТОВ

Научная статья

Информатика, кибернетика и программирование

Традиционные методы калибровки оптических камер требуют больших усилий со стороны пользователей и больших вычислительных ресурсов. Описываемый метод может работать в системах включающих в себя различные типы камер. Ключевые слова: калибровка оптические камеры алгоритм SCLBLE SELFCLIBRTING 3DGESTURE INPUT SYSTEM . Поэтому нами была разработана собственная технология основанная на единственной вебкамере и обыкновенном фонарике который пользователь держит в руке.

Русский

2015-02-02

62.5 KB

0 чел.

Индекс УДК: 519.6

САМОКАЛИБРУЮЩАЯСЯ МАСШТАБИРУЕМАЯ СИСТЕМА ВВОДА ТРЁХМЕРНЫХ ЖЕСТОВ

А.В. Зырянов

Уральский государственный университет, Екатеринбург. ffff0@inbox.ru

Традиционные методы калибровки оптических камер требуют больших усилий со стороны пользователей и больших вычислительных ресурсов. В настоящей работе приводится алгоритм калибровки, способный работать в фоновом режиме, т.е. прозрачно для пользователя. Описываемый метод может работать в системах, включающих в себя различные типы камер.

 

Ключевые слова: калибровка, оптические камеры, алгоритм

SCALABLE SELF-CALIBRATING 3D-GESTURE INPUT SYSTEM

A.V.Zyryanov

Ural State University, Ekaterinburg, Russian Federation. ffff0@inbox.ru

Traditional calibration methods of optical cameras require much effort from the users and huge computational resources. In this paper, we describe the background working calibration algorithm (i.e. this algorithm works transparently for the user). The described method can be used in systems that include various types of optical cameras.

Key words: calibration, optical cameras, algorithm

Введение

Вычислительные возможности компьютеров стремительно растут, а вместе с ними увеличивается и объём вычисляемых данных. Объём результатов процесса моделирования, размеры сложных связанных структур (например, графов) настолько велики, что данные становится практически невозможно отобразить на плоскости. Однако трёхмерная визуализация порождает проблему пользовательского ввода, ведь практически всегда пользователю необходимо не просто взглянуть на сгенерированную картинку, но и повлиять на неё (хотя бы переместиться внутри сцены). Клавиатура и мышь для этих целей не подходят, поскольку они не являются трёхмерными устройствам ввода. С другой стороны 3D-манипуляторы удобны для осуществления очень ограниченного набора взаимодействий (зачастую исключительно «перемещение» и «поворот»). Поскольку физический манипулятор является сдерживающим фактором, реализовать удобный и всеобъемлющий интерфейс можно лишь в том случае, когда ввод осуществляется при помощи трёхмерных жестов и оптического Motion Capture [1].

Классические методы Motion Capture не позволяет реализовать дешевый, простой в установке и удобный в использовании способ ввода трёхмерных жестов. Поэтому нами была разработана  собственная технология, основанная на единственной веб-камере и обыкновенном фонарике, который пользователь держит в руке. Изображение, получаемое с веб-камеры, подвергается анализу: изменение положения светового пятна позволяет определить две координаты, на основе изменений размера светового пятна определяется третья, а путем анализа геометрической формы светового пятна вычисляются вектор направления фонарика. Проведённые исследования показали, что «интерфейс фонарика» является удобным для пользователей, эффективно работает при любых условиях внешней освещённости, и обладает достаточной точностью для распознавания трёхмерных жестов. (Более подробно познакомиться с «интерфейсом фонарика» можно в [1] или [2].)

Классические системы оптического Motion Capture используют более одной камеры, а потому перед началом их использования требуется выполнить процедуру калибровки, в результате которой определяется положение камер в пространстве и их оптические характеристики. В «интерфейсе фонарика» для захвата движения используется всего одна камера, а потому вопрос калибровки автоматически снимается с повестки дня. Однако отказавшись от дополнительных камер, мы тем самым существенно ограничили активную область (пространство, где во время работы могут находиться руки пользователя), причем как с точки зрения размера, так и с точки зрения углов обзора. Для работы на персональном компьютере данное ограничение не является существенным. Однако при работе с большими экранами нам требуется, во-первых, большая активная область, а во-вторых, сохранение работоспособности даже в случае возникновения препятствий между фонариком и камерой (обзор могут загораживать другие пользователи или, скажем, колонны). Следовательно, при реализации трёхмерного интерфейса для больших экранов нам необходимо вернуться к одновременному использованию нескольких камер и к процедуре калибровки.

В данной статье описывается алгоритм автоматической калибровки взаимоположения камер, не требующий от пользователя выполнения каких-либо специальных действий. Рассматриваемый метод может использоваться как в составе «интерфейса фонарика», так и для калибровки оптических камер в любых других системах оптического Motion Capture. В конце статьи производится сравнение созданной системы с классическими методами оптического Motion Capture.

Cуществующие подходы к калибровке

Зачастую, автоматизация процесса калибровки сводится к тому, что мы, вместо ручного ввода параметров, выполняем специальные действия со специальным предметом. В качестве такого предмета может выступать либо заранее известный трёхмерный объект, на котором в заранее известных точках закреплены маркеры, либо специальная двумерная картинка (в виде шахматной сетки), которую перемещают по активной области таким образом, чтобы картинка попадала в зону видимости как можно большего числа камер одновременно [3]. Сравнивая с наперёд заданным эталоном видимые положения маркеров на трёхмерном объекте, либо видимое изображение двумерной картинки, можно вычислить расстояние от камеры до калибрующего объекта и относительный угол наклона камеры. К недостаткам данных методов относится тот факт, что лицевая сторона калибрующих предметов одновременно видна лишь некоторой части камер. Таким образом, полная калибровка всех камер возможна лишь в виде серии калибровок части камер, что делает данный процесс менее точным и более трудоёмким.

В ряде работ в качестве калибрующего объекта используется источник света, закреплённый на конце небольшой указки (например, в [4] в качестве такого объекта используется лазерная указка с прозрачным колпачком на конце). Поскольку источник света всего один, и он виден одновременно всеми (или почти всеми) камерами, в изображениях, получаемых с камер, находится ровно по одной светящейся точке. Таким образом, в каждый момент времени мы знаем двумерные координаты проекции источника света на плоскости всех (или почти всех) камер. Выполняя произвольные перемещения калибрующего объекта, мы получим множество наборов двумерных координат, соответствующих множеству положений источника света в пространстве. На основе этих данных вычисляются положение камер в пространстве, углы наклона и прочие характеристики (подробное описание алгоритма приведено, например, в [5]). К недостаткам подобных методов относится длительность процесса калибровки и сложность выполняемых вычислений (к примеру, метод, описанный в [4] калибрует 16 камер за 60-90 минут, причём 95% времени занимает счёт).

В [6] описывается способ калибровки камер на основе произвольных движений пользователя. Данный метод основан на знании анатомического строения тела человека, т.е. в некотором роде мы имеем дело с традиционной калибровкой на базе заранее известного трёхмерного объекта. Данный метод удобен в использовании, поскольку не требует выполнения определённых действий и использования специальных калибрующих объектов. Однако даже такой способ калибровки не является идеальным, поскольку он, во-первых, чувствителен к шуму, а во-вторых, требует больших вычислительных ресурсов.

Можно сказать, что идеальное решение до сих пор не найдено, поскольку существующие методы калибровки требуют больших вычислительных ресурсов, не являются удобными в использовании, или не обладают достаточной точностью.

Проблема калибровки камер

Задача калибровки камер для систем оптического Motion Capture является чрезвычайно сложной по нескольким причинам.

Во-первых, оптические камеры подвержены влиянию шума, вызванного фоновым освещением. С данной проблемой можно бороться, устраняя посторонние источники света, но всё равно нам придётся оставить в помещении мониторы или экраны проекторов.

Во-вторых, каждая камера обладает большим набором неизвестных параметров, таких как положение в пространстве, вектор направления объектива камеры, фокусное расстояние камеры.

В-третьих, камеры могут быть не синхронизированы, т.е. снимать кадры не одновременно. При калибровке со статическими объектами данная проблема не является существенной, но если калибрующий объект движется, камеры будут снимать его в различные моменты времени и, соответственно, в различных пространственных положениях. С этим эффектом можно бороться ценою усложнения алгоритмов и увеличения времени калибровки.

В-четвёртых, для вычисления трёхмерных координат изображения с одной камеры недостаточно. Трёхмерное положение вычисляется на основании изображений с как минимум двух камер, характеристики которых на момент калибровки неизвестны. Как следствие, входным данным может удовлетворять множество различных решений.

Итого, задача калибровки не имеет точного решения (из-за шумов и отсутствия синхронизации), имея при этом множество приближённых решений, которые могут весьма существенно отличаться друг от друга.

Автоматическая калибровка камер с использованием «интерфейса фонарика»

  1.  Идея алгоритма

Напомним, что «интерфейс фонарика» способен определять трёхмерное положение фонарика на основе анализа изображения единственной веб-камеры. Иными словами система способна без какой-либо предварительной информации (т.е. без калибровки) и без дополнительных данных (т.е. без анализа изображений с других камер) определять трёхмерное положение объекта относительно положения самой камеры. В случае использования нескольких камер, можно выполнять независимый анализ каждого изображения, вычисляя, таким образом, положение фонарика относительно каждой из камер.

Пусть у нас имеется откалиброванная и не откалиброванная камеры. Отслеживая перемещение фонарика в течение некоторого промежутка времени, мы получим набор положений фонарика относительно обеих камер. Сравнивая расстояния между точками, можно вычислить отношение фокусных расстояний камер. Масштабируя (учёт разницы фокусных расстояний) и совмещая в пространстве эти наборы, мы найдём положение и ориентацию одной камеры относительно другой, завершая, таким образом, процедуру калибровки.

Поскольку каждая камера работает независимо, и в качестве калибрующих перемещений может выступать любая активность пользователя, процедуру калибровки можно выполнять в фоновом режиме. Т.е. при запуске системы активна одна камера (которой достаточно для начала работы), а затем, незаметно для пользователя, выполняется калибровка всех остальных камер. При этом процесс калибровки может выполняться даже в случае использования нескольких фонариков, т.е. на пользователя не накладывается абсолютно никаких ограничений. Подробное описание алгоритма работы приводится в трёх следующих разделах.

  1.  Цикл работы системы

Каждая камера задаётся:

  •  Состоянием «откалибрована»/«не откалибрована».
  •  Положением в абсолютной системе координат и матрицей перехода из системы координат камеры в абсолютную систему координат.
  •  Набором историй перемещения фонарика за последние две секунды. Количество историй совпадает с количеством используемых пользователем фонариков.
  •  Степенью недоверия к камере. Данный параметр используется перевода откалиброванных камер в состояние «не откалибрована», если поступающие с неё данные противоречат данным с остальных.

Первая камера имеет положение (0, 0, 0), единичную матрицу перехода и всегда считается откалиброванной. Степень недоверия к этой камере всегда равна нулю. Таким образом, первая камера выступает своеобразным якорем, не позволяя накапливаться погрешностям в определении положения остальных камер.

Цикл работы системы состоит в ожидании новых данных от каждой из камер. Всякий раз, когда новые данные поступают, выполняются следующие действия:

1. Новые положения обозреваемых фонариков записываются в истории перемещения.

2. Если камера находится в состоянии «не откалибрована», то:

2.1. Строится список S историй перемещения, в который включается все непустые истории перемещения данной камеры.

2.2. Строится список L историй перемещения, в который включается все непустые истории перемещения всех откалиброванных камер.

2.3. Для каждой пары значений из списков S и L выполняется процедура калибровки (см. далее).

3. Если камера находится в состоянии «откалибрована», то выполняется процедура вычисления абсолютного положения фонариков в пространстве (см. далее).

4. Для всех откалиброванных камер, степень недоверия которых больше нуля, происходит уменьшение степени недоверия на единицу. Степень недоверия первой камеры выставляется на ноль.

5. Среди всех откалиброванных камер, степень недоверия которых больше 15, случайно выбирается одна. Выбранная камера переходит в состояние «не откалибрована».

  1.  Процедура калибровки

На вход подаются две истории: для откалиброванной камеры C и не откалиброванной камеры U. Истории представляют собой набор пар (Pi, Ti), где Pi – положение фонарика в пространстве в момент времени Ti. Необходимо выяснить, соответствуют ли эти наборы одному и тому же фонарику, и, если возможно, произвести калибровку камеры. Делается это следующим образом:

1. Производится усечение историй. Если в истории есть пропущенные кадры (камера не видела фонарик), то история усекается до последнего пропущенного кадра. Например, если история состоит из кадров 1, 3, 4, 6, 7, 8 и 9, где 9 – номер последнего кадра, то в результате усечения мы получим историю из кадров 6, 7, 8 и 9. Также из истории камеры U удаляются все пары (Pi, Ti) у которых Ti меньше минимального значения T в истории камеры C. Все эти действия необходимы для корректной работы следующего шага.

2. Производится пересчёт одного из наборов. Поскольку камеры не синхронизированы и могут работать с разной частотой кадров, положения фонарика зафиксированы разными камерами в разные моменты времени. Синхронизация производится путём вычисления положений фонарика для камеры U в моменты времени из истории камеры C (вычисление положений производится на основе интерполяции). В результате мы получаем два множества положений фонарика в пространстве относительно каждой из камер. Обозначим эти множества как PU={pui} и PC={pci}.

3. Находится среднее значение и производится сдвиг. Вычислим центры sc и su множеств PC и PU как среднее арифметическое всех элементов. Затем построим множества векторов VU={vui} и VC={vci}, где vui = pui - su, vci = vci - sc.

4. Выполняется попытка калибровки. Среди всех возможных пар индексов (j, k) выбираются те, которые удовлетворяют следующим условиям:

  •  Длины векторов vui, vuk, vci и vck превышают минимальный порог.
  •  Угол между векторами vui и vuk находится в пределах [450, 1350].
  •  Угол между векторами vci и vck находится в пределах [450, 1350].

Для каждой найденной пары индексов строятся базисы BU=(vui, vuk, [vui, vuk]) и BC=(vci, vck, [vci, vck]), где [a,b] – векторное произведение векторов a и b. Затем вычисляется матрица перехода M из базиса BU в базис BC. И наконец, вычисляется значение, где |a| – длина вектора a.

Из всех найденных D выбирается минимальное Dmin (этому значению соответствует матрица перехода Mmin). Если Dmin – превышает максимальный порог или подходящих пар индексов (j,k) не было найдено, то калибровка не производится (камеры наблюдают разные фонарики или перемещения фонарика слишком малы). В противном случае камера U переходит в состояние «откалибрована», а её параметры выставляются следующим образом:

  •  Абсолютное положение камеры AP(U) = AP(C) + su - sc.
  •  Матрицей перехода из системы координат камеры в абсолютную систему координат MAT(U)=MAT(C)*Mmin.
  •  Степень недоверия камере равна нулю.

  1.  Процедура вычисления абсолютного положения фонариков в пространстве

Поскольку камеры вычисляют абсолютное положение фонарика в пространстве независимо друг от друга, необходимо объединить эти данные, предварительно выяснив, какие камеры обозревают один и тот же фонарик, а какие обозревают разные. Алгоритм следующий:

1. Строится список всех абсолютных положений. Каждая откалиброванная камера сообщает о количестве обозреваемых ею фонариков и их абсолютных координатах. Эта информация объединяется в один общий список L.

2. Выполняется группировка. Точки из списка L разбиваются на группы таким образом, чтобы расстояние между любыми двумя точками из группы не превышало заданной величины. Если разбиение неоднозначно, то выбирается любое из них. Опыты показывают, что неоднозначность разбиения во время работы возникает крайне редко.

3. Вычисляются положения фонариков. Для каждой группы вычисляется центральное положение (как среднее арифметическое). Эти центральные положения сопоставляются с фонариками таким образом, чтобы суммарное перемещение всех фонариков за время, прошедшее с последнего кадра, было минимальным (иными словами, выбирается ближайшие фонарики). Найденные положения фонариков передаются в программу, использующую данный интерфейс.

4. Выполняется пересчёт степеней недоверия. Первый критерий достаточно простой. Если на втором шаге данного алгоритма мы получили большее число групп, чем количество используемых фонариков, то для камер, сообщивших об элементе (абсолютном положении) из лишней (т.е. не сопоставленной с фонариком на шаге три) группы, степень недоверия увеличивается на единицу за каждый элемент.

Второй критерий несколько сложнее. Для каждой откалиброванной камеры можно вычислить зону видимости, т.е. пространственную область при нахождении в которой фонарик будет виден камере. Пусть камера A видит фонарик, который находится в зоне видимости камеры B, причём фонарик повёрнут так, чтобы камера B могла его видеть. Если при этом камера B не видит фонарик, то степень недоверия к обеим камерам увеличивается на три единицы. Данный принцип может привести к тому, что камера перейдёт в состояние «не откалибрована» просто потому, что между камерой и фонариком возникло какое-то препятствие (например, другой пользователь). Однако ошибка такого рода не является критичной, поскольку, когда препятствие исчезнет, система вновь откалибрует эту камеру, и работа продолжится в прежнем режиме.

Сравнение с аналогами

Проведённые эксперименты показали, что, во-первых, алгоритм калибровки успевает сработать до появления нового кадра, т.е. работает в реальном времени. Во-вторых, время, необходимое для калибровки системы из двух камер составляет, в среднем, 5 секунд. Таким образом, оценочное время калибровки системы из 16 камер составляет 1-1,5 минуты, что на порядок быстрее, чем в методе [4]. Процесс калибровки не требует от пользователя выполнения каких-либо специальных действий, выгодно отличаясь этим от классических методов калибровки [3].

Использование данного метода калибровки не накладывает никаких ограничений на камеры (в отличие, к примеру, от [6]): можно использовать устройства разных производителей, с разными линзами и фокусным расстоянием, обладающие различным разрешением и различной частотой кадров.

Точность результата калибровки данного метода оказалась ниже, чем в других работах, но это во многом объясняется более низким разрешением используемых камер. К тому же разработанный метод способен корректировать результаты калибровки в процессе работы, на что не способен ни один другой алгоритм.

К другим уникальным особенностям данного метода относятся:

  •  Возможность начать использование системы сразу после её установки (т.е. без предварительной калибровки).
  •  Возможность вносить изменения в конфигурацию камер без прекращения работы и проведения новой процедуры калибровки.
  •  Возможность  динамически отключать неиспользуемые (т.е. не обозревающие фонарики) камеры. Поскольку, в отличие от традиционного Motion Capture нам не нужно анализировать изображения всех камер для того, чтобы вычислить положение фонарика в пространстве, мы можем отключать лишние камеры без ущерба для работы системы. Более того, поскольку зона видимости каждой камеры известна, мы будем точно знать, когда отключенная камера вновь сможет увидеть фонарик, т.е. когда её следует снова включить.
  •  Использование не синхронизированных камер для увеличения частоты кадров. Поскольку процедура вычисления абсолютного положения фонариков в пространстве выполняется при поступлении новых данных от любой из камер, абсолютное положение будет вычисляться с увеличенной частотой, что сделает движения более точными и плавными.

Заключение

Использование «интерфейса фонарика» позволило реализовать калибровку камер, работающую в фоновом режиме прозрачно для пользователя. Возможность использования любого оборудования и динамического (т.е. без остановки работы) изменения конфигурации позволило создать чрезвычайно гибкую систему оптического Motion Capture. Возможность программного включения и отключения камер в процессе работы позволяет реализовать Motion Capture со сверхбольшой активной зоной, не требующий при этом сверхбольших вычислительных ресурсов. А поскольку каждая камера работает независимо от остальных, данная система ещё и чрезвычайно хорошо распараллеливается.

Описанные в [1] и [2] методы взаимодействия с трёхмерными виртуальными объектами применимы и в данном случае. Это означает, что нами разработан удобный, расширяемый, недорогой трёхмерный интерфейс, применимый в работе с любыми экранами: от обычного монитора до больших видеостен.

Список литературы

  1.  А.В. Зырянов. Использование языка жестов для манипуляций с трёхмерными объектами в системах научной визуализации // Параллельные вычислительные технологии (ПаВТ'2009): Труды международной научной конференции. Нижний Новгород, 30 марта - 3 апреля 2009. С. 485-491.
  2.  В.Л. Авербух, А.В. Зырянов. Методы манипуляций объектами в трёхмерных визуальных средах // Вопросы атомной науки и техники. Сер. Математическое моделирование физических процессов. 2009. Вып. 3. С. 58-69.
  3.  Gutemberg B. Optical Motion Capture: Theory and Implementation (http://ranger.uta.edu/~guerra/Guerra-FilhoRITA05optical.pdf)
  4.  Tomas Svoboda. A Software for Complete Calibration of MultiCamera Systems. // Talk given at MIT CSAIL. Jan 25, 2005
  5.  Tomas Svoboda, Daniel Martinec, and Tomas Pajdla. A convenient multi-camera self-calibration for virtual environments. // PRESENCE: Teleoperators and Virtual Environments, pp 407-422, 14(4), August 2005.
  6.  Philip A. Tresadern, Ian D. Reid. Camera calibration from human motion // Image and Vision Computing. Volume 26, Issue 6 (June 2008). Pages 851-862.

Научный руководитель: к.т.н., В.Л. Авербух


 

А также другие работы, которые могут Вас заинтересовать

32509. МЕТОДИКА ВВЕДЕНИЯ ПОНЯТИЯ АЛГОРИТМИЗАЦИЯ С ПОМОЩЬЮ УЧЕБНЫХ ИСПОЛНИТЕЛЕЙ 134.5 KB
  Основной характеристикой исполнителя с точки зрения управления является система команд исполнителя СКИ. Схема функционирования исполнителя алгоритмов Для выполнения всякой работы решения поставленной задачи исполнитель на входе получает алгоритм и исходные данные а на выходе получаются требуемые результаты. Всякая команда должна быть сформулирована так чтобы определить однозначное действие исполнителя. Работа исполнителя состоит в последовательном выполнении команд алгоритма.
32510. МЕТОДИКА ИЗУЧЕНИЯ СОДЕРЖАТЕЛЬНОЙ ЛИНИИ: «ФОРМАЛИЗАЦИЯ И МОДЕЛИРОВАНИЕ» 80 KB
  Теория и методика обучения информатики МЕТОДИКА ИЗУЧЕНИЯ СОДЕРЖАТЕЛЬНОЙ ЛИНИИ: ФОРМАЛИЗАЦИЯ И МОДЕЛИРОВАНИЕ. Линия моделирования наряду с линией информации и информационных процессов является теоретической основой базового курса информатики. Тема натуральных моделей затрагивается лишь в самом начале в определением понятия модели и разделением моделей на материальные натурные и информационные. Важнейшим понятием в моделировании является понятие цели.
32511. МЕТОДИКА ИЗУЧЕНИЯ СОДЕРЖАТЕЛЬНОЙ ЛИНИИ: «ЛОКАЛЬНЫЕ И ГЛОБАЛЬНЫЕ КОМПЬЮТЕРНЫЕ СЕТИ. ИНТЕРНЕТ» 81.5 KB
  Теория и методика обучения информатики МЕТОДИКА ИЗУЧЕНИЯ СОДЕРЖАТЕЛЬНОЙ ЛИНИИ: ЛОКАЛЬНЫЕ И ГЛОБАЛЬНЫЕ КОМПЬЮТЕРНЫЕ СЕТИ. Содержание данного подраздела делится на две части по принципу деления компьютерных сетей на два типа: локальные сети; глобальные сети. Локальные сети. Локальные сети в зависимости от назначения и технических решений могут иметь различные структуры объединения компьютеров.
32512. ДИСТАНЦИОННЫЕ ОЛИМПИАДЫ ПО ИНФОРМАТИКЕ 145.5 KB
  Избранные вопросы методики преподавания информатики ДИСТАНЦИОННЫЕ ОЛИМПИАДЫ ПО ИНФОРМАТИКЕ Дистанционные олимпиады по информатике этапы их проведения. Целью проведения компьютерной дистанционной олимпиады по какомулибо предмету школьной подготовки является улучшение преподавания этого предмета. Это улучшение достигается благодаря стимулирование интереса к изучаемому предмету с помощью Интернеттехнологий и использования сравнительного аспекта обучения; внедрение в учебную практику новых и эффективных методов обучения; методической...
32513. ГОРОДСКИЕ ОЛИМПИАДЫ И ПОДГОТОВКА К НИМ 388 KB
  Избранные вопросы методики преподавания информатики ГОРОДСКИЕ ОЛИМПИАДЫ И ПОДГОТОВКА К НИМ Олимпиадная информатика . Олимпиады это тот срез в образовании который проверяет не только владение предметом но и формирует тенденции развития этого предмета определяет требования к школе через этот предмет со стороны общества то есть то что называют социальным запросом. Школьные олимпиады по информатике как по содержанию так и по методике проведения можно считать сформировавшимся явлениям. Олимпиады по информатике Олимпиады...
32514. ШКОЛЬНЫЙ САЙТ 1.04 MB
  Избранные вопросы методики преподавания информатики ШКОЛЬНЫЙ САЙТ Назначение и примерная структура школьного сайта На сайте Школьный сайт http: www. Информационное сопровождение сайта создание рубрик и наполнение их актуальной достоверной информацией должно производиться редакцией в состав которой должны входить как преподаватели так и учащиеся. Группы пользователей регистрация и авторизация Администрирование и информационное сопровождение сайта должно проводиться уполномоченными пользователями – администраторами редакторами.; при...
32515. ПРОЕКТНАЯ ДЕЯТЕЛЬНОСТЬ ШКОЛЬНИКОВ И ЕЕ ЭТАПЫ 153.5 KB
  Большие возможности в этом отношении открывает метод проектов или метод учебных проектов наряду с другими нетрадиционными методами получающий сейчас всё большее распространение. Метод проектов это совокупность учебнопознавательных приёмов которые позволяют решить ту или иную проблему в результате самостоятельных действий учащихся с обязательной презентацией этих результатов. Метод проектов известный также как метод проблем возник ещё в 1920е годы в США. метод проектов нашёл широкое распространение и приобрёл большую популярность за...
32516. ИТОГОВЫЙ КОНТРОЛЬ В ФОРМЕ УСТНОГО ЭКЗАМЕНА И ТЕСТИРОВАНИЯ 82 KB
  Избранные вопросы методики преподавания информатики ИТОГОВЫЙ КОНТРОЛЬ В ФОРМЕ УСТНОГО ЭКЗАМЕНА И ТЕСТИРОВАНИЯ Итоговый контроль. Перечень экзаменационных материалов по информатике ничем не отличается от перечня материалов по другим предметам вопросы билеты практические задания. Не вдаваясь в глубокий анализ причин по которым это происходит необходимо тем не менее определить в каких границах учитель или методист свободен при составлении билетов: в настоящее время билеты по информатике рекомендованные МО РФ можно взять за основу...
32517. ИТОГОВЫЙ КОНТРОЛЬ В ФОРМЕ ЗАЩИТЫ РЕФЕРАТОВ И ПРОЕКТОВ 107 KB
  Одной из основных целей творческой работы в виде реферата является комплексное исследование проблемы с использованием различных источников информации. Специфической особенностью информатики является ее высокий интегрирующий потенциал: основным объектом информатики является информация соответственно рассматриваются эффективные методы и приемы работы с информацией; осваиваются средства обработки хранения восприятия и передачи информации в том числе универсальное средство компьютер; теоретические знания и знания технологии работы с...