一种融合视线检测的注意力检测方法.docx

一种融合视线检测的注意力检测方法 摘要：当前利用计算机视觉技术检测学生注意力的方法主要是基于人眼闭合特征和头部偏转特征。当学生处于头部正视、眼睛睁开而视线在看电脑屏幕以外区域时，用以上两种特征无法检测出该类分心情况。针对该问题，提出了一种融合视线检测的注意力检测方法。通过摄像头抓取图像，分析每帧图像中学生的眼睛闭合特征、头部偏转特征以及视线特征，用以判别学生的注意力专注度。实验结果表明，融合视线的注意力检测方法准确性较高，具有一定的实用价值。 关键词：在线教育；注意力检测；头部偏转检测；眼睛闭合检测；视线检测 DOI：10.11907/rjdk.173125 中图分类号：TP301 文献标识码：A文章编号：1672-7800（2018）007-0031-06 Abstract：Incurrentonlineeducation，theresearchmethodsofdetectingstudent′sattentionbasedoncomputervisionaremainlybasedonthecharacteristicsofhumaneyeclosureandheaddeflection，however，whenstudentsfacetothecomputerscreenbutlookatotherplaces，thisdistractioncanbedetectedbyapplyingneitherofthecharacteristicsmentionedabove.Tosolvethisproblem，anattentiondetectionmethodintegratedwitheyegazedetectionisproposed.Bycapturingpictureswiththecameraandanalyzingthecharacteristicsoftheeyeclosure，headdeflectionandlineofsightineachframe，thedegreeofastudent′sattractioncanbedetermined.Theexperimentalresultsshowthattheattentiondetectionmethodintegratedwitheyegazedetectionhashigheraccuracyindetectingstudent’sattentionbehavior，andthushascertainpracticalvalue. KeyWords：onlineeducation；attentiondetection；headdeflectiondetection；eyeclosuredetection；eyemovementdetection 0引言 近年网络的在线教育日趋普及，学生能在任何时间、任何地点学习，但该类无监督的学习环境下师生无交流，难以确定学生是否认真学习，此外，长时间面对单调的电脑屏幕，学习效果受到影响，同时使得学生集体意识淡薄。因此，检测学生注意力分散情况并给予提示尤为重要。 注意力检测研究最广的是驾驶员疲劳检测，而在线教育领域注意力检测研究则相对较少，其中通过计算机视觉技术检测学习者注意力状态的方法大多类似于驾驶员疲劳检测方法，或在此基础上融合生理特征检测或行为检测，如脑电波检测、眼电图检测、心电图检测，或者通过监测学习者的姿态、鼠标键盘点击行为等分析学习者的学习状态[1-2]。余绕东[1]设计了一套智能注意力检测系统，通过采集人脸、人眼信息并结合脑波检测，分析学习者情感状态，分别从显式分心和隐式分心两个层面实时检测学习者是否分心，从而改善远程教育系统中情感缺失问题；卢希[2]利用Kinect传感器采集学生的头部姿态、面部表情等数据，分析学习者的学习状态；吴沧海等[3]通过分析学习者面部表情、头部姿态和眨眼频率判别学习者注意力状态。 该领域大多数方法对设备有一定要求，如文献[2]中需要视线Kinect传感器，还有要求使用高分辨率摄像头或红外光源，至于生理检测方法则要求更高，需要在学习者身上放置传感器，使学习者产生心理负担。本文在研究相关方法后发现，在学生处于头部正视、眼睛睁开但视线在电脑屏幕以外区域的情况下，仅依靠人脸特征和人眼特征无法检测分心情况。借鉴驾驶员疲劳检测中视线区域检测方法，并考虑低分率摄像头应用条件，本文提出了一种融合视线检测的多特征注意力检测方法，对眼睛闭合检测方法进行改进，从而整体上提高注意力检测的准确性。通过低分辨率摄像头或笔记本电脑自带摄像头实时采集图像，利用机器视觉技术分析学生学习过程中的注意力状态，建立一个实施简单、实用性强的注意力检测方法。 1注意力检测算法 1.1算法概述 本文的注意力检测场景为