基于Retina-Face的人眼关键点检测算法研究

应用PERCLOS P80方法检测人体疲劳时,需要对人脸部,尤其是眼部的关键点进行准确而快速的定位,针对上述问题提出一种基于Retina-Face的人眼关键点检测算法。在分析Retina-Face的网络模型结构基础上,结合疲劳检测的相关场景,有针对性地对网络模型进行改进,包括:数据迁移学习、网络结构重新设计、Gabor特征提取等方法。该算法在300W数据集、自采数据集上,在检测精度和速度方面均达到较好的效果,在保证时效性的同时,提高了眼部关键点检测的准确率,也为基于计算机视觉的疲劳检测打下了基础。

基于“专注”与“走神”表情识别的线上课堂学生专注度评价研究

线上教学环境中师生之间的情感沟通是真空地带,但师生之间的情感交流是影响教学效果的重要因素。通常而言,“专注”与“走神”是两种难以分辨的学生课堂表情。对线上教学环境中学生“专注”与“走神”两类近似表情的识别,有助于教师对学生的听课状态及时准确地感知。文章提出了一种基于Dlib眼部关键点检测的学生“专注”与“走神”表情识别方法,并在此基础上建立学生表情持续时间统计算法,计算各表情持续的时间。实验结果表明,采用眼部关键点实现上述两种表情识别的准确率为95.1%,且该方法数据量小、计算速度快,结果分析与持续时间统计分析可以满足误差需求。最后,从学生专注占比程度与专注趋势两个维度做出线上课堂学生专注度评价,有助于教师获取实时、精准的教学反馈,从而及时改进教学策略,提高课堂教学质量。