在线学习环境下基于眼部状态识别的学生注意评估研究

发布时间：2020-04-28 05:43

【摘要】：近年来,在线学习尤其是大规模开放课程得到了迅速的发展。在线学习消除了人的年龄、身体状况、个体接受能力差异等在传统学习中不可回避的某些障碍,使得任何学生可在任何地点、任何时间学习任何内容。此外,信息通信技术和基于多媒体的技术的发展也为监测,分析和预测学生学习行为的趋势和模式创造了机会和条件。这种类型的分析可以帮助教师设计一种新的有效的教学方式,并以更好的方式提供教学内容。在线学习过程中,由于教师和学生被网络空间分离,学生与教师之间缺乏情感上的交流,并容易使学生产生厌学等负面情绪导致学生注意力不集中或放弃学习。因此如何评估在线学习系统中学习者的注意状态,得到对学习者认知、情感有效的反馈,对制定更有针对性和吸引学习内容起到重要作用。这项研究旨在提出一种学生视觉注意状态评估算法。通过分析这学生学习时的视频源并提取视觉注意特征来解决学生面临的注意力问题。为了评估学生注意状态本文首先解决学生学习情况下学生的眼睛定位、人眼状态的评估等问题。本文的主要工作包括:(1)学生的眼睛定位:为了定位学生眼睛,本文首先使用Adaboost和监督下降法来检测人脸并提取人脸68个特征点。经过大量实验,我们发现监督下降法算法可以达到精确的定位学生的眼睛。这部分实验为后面的眼部状态识别和学生注意评估打下基础。(2)学生眼部状态识别:提出了基于Gabor和支持向量机的人眼状态识别算法。其中Gabor滤波器可以提取代表眼部的细节特征,然后使用支持向量机对这些特征进行分类。通过实验对比,我们发现Gabor和支持向量机优于现有的算法。(3)学生注意状态评估。我们综合人眼定位、人眼状态。使用PERCLOS准则对学生的注意状态进行打分。并通过仿真实验,证明了算法可行性。
【图文】：

学生注意力,检测技术,基本流程,眼睛

图 1-1 学生注意力检测技术基本流程。人脸识别一直是计算机视觉领域的热特征点标记。随后，美国军方推出 FER别领域取得不少成果，但是识别过程仍机器学习的深入发展，人脸识别以及汉王推出全球首个嵌入式的人脸识别先世界，如商汤科技，face++，清华大安防等各个领域。别：眼睛在人类面部器官中占有非常 80%都是通过眼睛获得的。眼可以帮助我们的心理活动。眼睛可以表达一个人无声的交流。在在线学习中，眼睛是我视频的感情。王志良等人对将学习注意恶、疲劳。这些状态在学生的眼睛中

原型,数学表达式

图 2-1 类 haar 特征原型。分图的引入，使得只需要遍历一次图像就能够计算出所有 haar 特征高了类 haar 特征的计算效率。积分图的主要思想借鉴了动态规划的开始第一次遍历的计算结果保存在一个数组中。当要计算区域的像接索引数组中的元素，去除了重复计算的过程。在多种尺度下，积提高计算的速度。积分图的数学表达式（2-1）所示：中 SAT x y （SumedArea Tables）代表了 x y 区域内的像素和。可以用递推公式，数学表达式如（2-2）所示。 1 1 1 11 1 样地，也可以通过已经计算好的所有 SAT 计算任意区域的像素和。要计算区域 D 的值，数学表达式如（2-3）所示： 4 1 2
【学位授予单位】：江西财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G434

【参考文献】