基于社交媒体大规模自拍的睡眠剥夺疲劳模式分析
计算机视觉与模式识别
2018-02-26 v1
摘要
疲劳的复杂性已引起各学科研究者的广泛关注。短期疲劳可能导致驾驶时的安全问题;因此,设计了动态系统以追踪驾驶员疲劳。长期疲劳可导致慢性综合征,并最终影响个体的生理与心理健康。传统的疲劳评估方法不仅需要精密设备,还耗费大量时间。在本文中,我们试图开发一种新颖高效的方法,通过审视人脸线索来预测个体的疲劳率。我们的目标是基于一张自拍预测疲劳率。为将疲劳率与用户行为相关联,我们从 Instagram 上的 10,480 名用户收集了近 100 万条时间线帖子。我们首先使用自动算法检测所有面部并识别其人口统计特征。接着,我们按不同年龄、性别和族群考察逐工作日的疲劳分布。该工作代表了一种评估睡眠剥夺疲劳的有前景途径,且我们的研究为通过社交媒体大规模进行用户疲劳建模提供了可行高效的计算框架。
引用
@article{arxiv.1802.08310,
title = {Sleep-deprived Fatigue Pattern Analysis using Large-Scale Selfies from Social Med},
author = {Xuefeng Peng and Jiebo Luo and Catherine Glenn and Li-Kai Chi and Jingyao Zhan},
journal= {arXiv preprint arXiv:1802.08310},
year = {2018}
}