ALEBk：应用于电子学习的基于眨眼检测的注意力水平评估可行性研究
计算机视觉与模式识别
2021-12-20 v1 人机交互
机器学习
摘要
本工作提出了一项基于眨眼频率的远程注意力水平评估的可行性研究。我们首先提出了一种基于卷积神经网络（CNNs）的眨眼检测系统，与相关工作相比极具竞争力。使用该检测器，我们实验评估了在线会话期间捕获的学生眨眼率与注意力水平之间的关系。实验框架使用一个名为 mEBAL 的公开多模态数据库进行，该数据库用于眨眼检测和注意力水平评估，包含来自 38 名学生的数据和多种采集传感器，特别是： 提供来自学生认知信息时间信号的脑电图（EEG）头带； 用于捕捉学生面部手势的 RGB 和 NIR 摄像机。所取得的结果表明，眨眼频率与注意力水平之间存在反向相关性。这种关系在我们提出的名为 ALEBk 的方法中被用于将注意力水平估计为眨眼频率的倒数。我们的结果开辟了一条新的研究路线，可将该技术引入未来电子学习平台的注意力水平评估中，以及基于面部分析的此类行为生物特征的其他应用。
引用
@article{arxiv.2112.09165,
title = {ALEBk: Feasibility Study of Attention Level Estimation via Blink Detection applied to e-Learning},
author = {Roberto Daza and Daniel DeAlcala and Aythami Morales and Ruben Tolosana and Ruth Cobos and Julian Fierrez},
journal= {arXiv preprint arXiv:2112.09165},
year = {2021}
}
备注
Preprint of the paper presented to the Workshop on Artificial Intelligence for Education (AI4EDU) of AAAI 2022