基于动态场景分析的协作学习环境中长期人类参与度评估
计算机视觉与模式识别
2024-05-07 v1 图像与视频处理
摘要
本文开发了用于评估真实协作学习环境中学生参与度的数据集和方法。在协作学习环境中，学生被组织成小组，他们可以在小组内自由互动。因此，学生可以自由移动，导致强烈的姿态变化问题，离开并重新进入摄像机场景，或背对摄像机。我们将评估学生参与度的问题分解为两个子问题：(i) 在来自其他小组的强背景干扰下进行学生小组检测，以及 (ii) 小组内的动态参与者跟踪。我们使用一个包含12,518,250个学生标签实例、总时长21小时22分钟的真实视频的大规模独立测试数据集，来评估我们提出的学生小组检测方法的性能。所提出的使用多种图像表示的方法在所有视频实例上的表现与YOLO相当或更好。在整个数据集上，所提出的方法达到了0.85的F1分数，而YOLO为0.80。在学生小组检测之后，本文介绍了一个动态参与者跟踪系统的开发，用于通过长视频会话评估学生小组的参与度。所提出的动态参与者跟踪系统表现异常出色，在35个测试视频中仅有一个未能跟踪到学生。相比之下，一种最先进的方法在35个测试视频中有14个无法跟踪学生。所提出的方法在一个独立的、真实的长时间协作视频集上达到了82.3%的准确率。
引用
@article{arxiv.2405.02317,
title = {Long-term Human Participation Assessment In Collaborative Learning Environments Using Dynamic Scene Analysis},
author = {Wenjing Shi and Phuong Tran and Sylvia Celedón-Pattichis and Marios S. Pattichis},
journal= {arXiv preprint arXiv:2405.02317},
year = {2024}
}