摘要
学生上课状态与课堂效果紧密相关,而学生疲劳状态监测是课堂管理中普遍存在,又亟待解决的问题。文章基于YOLOv5与dlib设计并实现一个课堂疲劳状态监测系统。首先,除利用相关数据集外,文章额外标注了1000张图像,加入训练集中;其次,使用merge-NMS优化多目标检测框;然后,利用dlib获取眼睛与嘴巴张合宽度,计算得到眨眼次数与打哈欠次数,结合简化的Perclos计算疲劳指数;最后,利用PySide2实现可视化,并转发监测结果给管理员。
出处
《电脑知识与技术》
2023年第1期20-23,共4页
Computer Knowledge and Technology
基金
浙江省大学生科技创新活动计划暨新苗人才计划(项目编号:2021R432015)。
