基于面部特征的学习状态研究

发布时间：2024-03-20 20:28

　　随着互联网技术以及多媒体技术的不断发展,网络在线学习日趋成熟。在线教育凭借其在时间、空间上特有优势可以满足不同群体的学习要求,为促进我国教育平衡,弥补教育短板,开启全民化学习时代做出了独有贡献,其存在也丰富了现有的教育模式。但相对于传统课堂,在线学习无法对学习者的学习情况实时监督,导致学习效果无法得到保证也是其弊端所在。因此,检测学习者学习状态对于完善在线教学系统,提高学生学习质量都具有一定的价值。同时,将检测结果反馈给教师,对于教师优化课堂设置,对学生学习情况综合评估也起着积极作用。本文利用计算机视觉、深度学习等技术,从注意力状态和情绪状态两个方面对学习状态展开研究,主要研究内容如下:1、传统的检测方法无法检测学习者视线焦点在屏幕上时出现的分心状态,针对此问题,本文提出一种基于眼动分析的注意力检测方法,该方法通过计算机视觉相关技术在实时捕捉的画面中提取眼动特征,利用循环神经网络对序列眼动特征进行分析,学习眼动规律,实现对学习者注意力状态的检测。2、基于面部表情识别对学习情绪进行研究,将惊讶、开心、恐惧等七种情绪归类到积极、中性、消极三种情绪状态中,通过表情的识别实现情绪状态的检测。传...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图１ＡｄａＢｏｏｓｔ算法检测人脸经过实验，发现ＡｄａＢｏｏｓｔ算法对Ｙａｌｅ人脸库中的１６５

．１人脸检测与跟踪本文采用ＡｄａＢｏｏｓｔ算法实时快速的检测人脸，Ａｄａ－Ｂｏｏｓｔ检测方法是由Ｒｏｂｅｒｔ［５］等人提出的一种基于积分图、级联检测器与ＡｄａＢｏｏｓｔ算法的方法［６］，它把通过加权方式得到的弱分类器级联成强分类器最终得到检测器，并将其应用于各个场合实现人脸检测。....

图４选择的眼睛模板假设待测图片为ｉｍａｇｅ（Ｗ×Ｈ），模板图片为ｔｅｍｐｌ

计算机工程与设计２０１３年法对人眼进行检测，以避免在整幅图像中进行匹配计算量增大，即将上述人脸按照几何的方法从检测区域宽度的中间分成左右脸区域分别进行匹配。针对模版选择这一关键问题，为能够将各种状态的眼睛都能检测出来，避免模板的单一化，本实验选择的部分模板如图４所示。图４选择的眼....

图6眼暗检蒯原理以及结果

计算机工程与设计２０１３年法对人眼进行检测，以避免在整幅图像中进行匹配计算量增大，即将上述人脸按照几何的方法从检测区域宽度的中间分成左右脸区域分别进行匹配。针对模版选择这一关键问题，为能够将各种状态的眼睛都能检测出来，避免模板的单一化，本实验选择的部分模板如图４所示。图４选择的眼....

图7对干侧转人脸中人眼的检制

计算机工程与设计２０１３年法对人眼进行检测，以避免在整幅图像中进行匹配计算量增大，即将上述人脸按照几何的方法从检测区域宽度的中间分成左右脸区域分别进行匹配。针对模版选择这一关键问题，为能够将各种状态的眼睛都能检测出来，避免模板的单一化，本实验选择的部分模板如图４所示。图４选择的眼....

本文编号：3933258