Gabor小波优化HMM算法的眼部疲劳状态识别
2014-01-31杨秋芬桂卫华胡豁生阳若宁
杨秋芬,桂卫华,胡豁生,阳若宁
YANG Qiufen1,2,GUI Weihua1,HU Huosheng1,YANG Ruoning2
1.中南大学信息科学与工程学院,长沙410083
2.湖南广播电视大学理工教学部,长沙410004
1.School of Information Science and Engineering,Central South University,Changsha 410083,China
2.Science&Engineering Department,Hunan Radio&TV University,Changsha 410004,China
1 引言
网络教育是一种日益普遍的现代远程教育。但是,这种教育方式存在着一个极大的缺点,即学习者与教师分处两地,非直接面对面交流,学习者的学习情绪状态通常得不到关注[1-2],情感交互缺失。这种教育方式和全日制教育方式不同,缺乏学习氛围,缺乏老师的监督和提醒,而且学习时间较长,这些因素容易导致网络学习者出现“学习疲劳”。因此,网络远程学习过程中及时检测学习者是否“学习疲劳”并在网络教育学习系统中做出相应的警示措施,有着极其重要的现实意义和应用价值。
由于目前对教育领域的疲劳检测技术研究比较少,关于网络学习疲劳检测的检测方法,成熟的驾驶员疲劳技术对于网络学习者的学习疲劳进行预警研究有一定的借鉴意义。已有的人脸识别研究表明,网络学习者在学习疲劳时的眼睛和嘴巴的状态是反应学习者是否疲劳的重要因素[1-2]。刘瑾奕教授[3]做了智能教室图像处理和模糊逻辑的睡意检测的研究及其实现,他首先分析了教室的瞌睡场景和检测方案的实际需求,然后确定选用模糊逻辑以及数字图像处理基础来展开研究,并最终使其在MATLAB仿真平台下得以实现,但是他所选择的标准过于单一,即眼睛闭合为瞌睡,眼睛睁开为清醒状态[3]。文献[1]提出基于肤色分割和模版匹配相……
