基于鼠标与键盘数据的办公工作负荷下困倦检测
信号处理
2020-07-28 v2
摘要
参与困倦检测的非侵入式设备一般包括红外相机与脑电图（EEG），其在真实生活场景的部署与实现中有时受到限制，例如在办公环境中。本研究提出在办公任务期间结合键盘与鼠标运动的生物特征以及眼动追踪，依据自我报告的卡罗林斯卡睡意量表（KSS）问卷来检测与评估困倦。利用机器学习模型，结果展示了由生物特征预测的 KSS 与来自用户输入的实际 KSS 之间的相关性，表明所提方法评估办公人员困倦水平的可行性。
引用
@article{arxiv.1909.04580,
title = {Drowsiness Detection for Office-based Workload with Mouse and Keyboard Data},
author = {Sanurak Natnithikarat and Sirakorn Lamyai and Pitshaporn Leelaarporn and Narin Kunaseth and Phairot Autthasan and Thayakorn Wisutthisen and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:1909.04580},
year = {2020}
}