融合头部姿态与视线估计的学习注意力检测方法研究与应用

发布时间：2024-04-13 04:46

　　在现代信息技术的推动引领下,在线学习模式应时而生。然而,时空的隔阂使得师生之间的互动不够,学生的学习效率受其自制力的影响较大,学生易出现注意力失焦的问题。因此,对在线学习中学生的参与情况进行量化与分析变得很有必要,这可以帮助学生监督自己的学习状态并促进其深入参与学习过程。头部姿态和视线估计是计算机视觉和人工智能中重要的研究领域,近年来吸引到越来越多研究者的关注和兴趣。本文利用深度学习算法结合头部姿态和视线估计的特点,构建了高效的在线学习环境下学生学习注意力识别方法,有效地提高识别准确率,使学生在在线学习时获得更加智能化的学习体验。论文的主要工作包括:(1)在对头部姿态估计任务进行详细分析研究的基础上,提出了一种新颖的基于各向异性姿态分布的头部姿态估计方法。该模型基于以下两个关键观察:一、对于某个姿态,头部姿态在相同间隔内的水平方向和竖直方向上的变化是不同的;二、在水平方向上,0°至30°和60°至90°的间隔的变化小于30°至60°的间隔的变化。然后通过具有空间权重的卷积神经网络以端到端的方式学习模型。实验结果表明,所提出的模型与其他方法相比具有更高的准确性和鲁棒性。(2)提出并实现了...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图１．３近十年来国际期刊发表“ａｔｔｅｎｔｉｏｎ?ｒｅｃｏｇｎｉｔｉｏｎ”主题的论文数量??以智慧教育引领教育信息化的创新发展，从而带动教育教学的创新发展，己??成为信息时代的必然趋势

。在分析过程中，如网页点击数、发帖、回帖这??样的显性行为较为容易获龋而不易获取的隐形行为，即学生的认知参与和情感??参与则需通过内容分析、表情分析、头部姿态估计和视线估计等技术方法来获龋??９００?■??８００?／??７００?／??６００?？??５００?■?＾??４００?＿＾?....

图１．４头部姿态和视线估计的应用示例??结合深度学习算法的头部姿态和视线估计方法在准确度上较传统方法有明显??达力的优势，研宄深度学习与??

学生的学习兴??趣进行智能化分析以帮助提高教学质量［４］。在自然环境下，人们可以通过观察对??方的行为以获取这些隐性信息并采取相应的互动，但是利用计算机获娶识别并??分析这些信息却并非易事。近些年来，在头部姿态估计和视线估计领域己有大量??的研宄，相应算法的识别准确率己得到极大提....

图１．５空间坐标系中的头部姿态描述??１．２．２研究难点及待解决的问题??随着头部姿态估计在人机交互［６１、驾驶员行为分析丨７】和增强现实［８］等多个领域??

硕士学位论文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??量，真正实现个性化学习的目标。??１．２头部姿态估计??１．２．１头部姿态估计的定义??在计算机视觉领域，头部姿态估计（Ｈｅａｄ?Ｐｏｓｅ?Ｅｓｔｉｍａｔｉｏｎ，?ＨＰＥ）指的是计??算机通过分析用户的图像来估计其头部姿态参数的过....

图１．６两种视线估计方法：（ａ）侵入式；（ｂ）非侵入式??

、电卞、光学等检??测方法来获取人类眼睛注视方向的过程［９】。视线估计的研宄起源于心理学家对眼??球运动规律的研宄，他们通过肉眼或简易仪器来观察眼球的转动情况。视线作为??—种非语言信息，是人类的交流时的重要线索，它也己被证明与人格等更高层次??的特征有关１１Ｑ］。科研人员可以利....

本文编号：3952504