26、基于几何矩辅助的学生注意力分类方法研究

基于几何矩辅助的学生注意力分类方法研究

一、研究背景与动机

在教育领域，提升师生互动一直是研究热点。有效的互动能为学生提供情感支持，维持课堂秩序，让学生更好地理解教师的指导。以往的研究主要通过调查和访谈来了解学生的参与度，但这些传统方法存在明显弊端。一方面，收集调查数据、进行访谈、分析数据和生成反馈报告需要耗费大量时间，无法实现实时反馈；另一方面，参与调查和访谈的人可能不会如实提供信息，导致数据失真和错误解读。

为了克服这些问题，本文提出了一种基于计算机视觉的注意力识别系统。该系统通过捕捉课堂视频，根据学生的姿势特征识别他们是否专注，并在课程结束时为教师提供该课程的课堂参与度反馈。

二、相关研究综述

要捕捉学生在课堂上的活跃度，需要对他们的行为特征进行分类。可以通过摄像头捕捉的行为特征包括学生的头部朝向、视线方向、面部表情和情绪等，以此判断学生是否在关注教师。此外，学生的身体姿势和动作，如举手、做笔记等，也可作为分类的特征。

在相关研究中，不同的方法被用于提取和分类这些特征：
- OpenFace 库 ：用于捕捉 31 种面部特征，包括视线移动、头部姿势移动和面部动作单元特征。在电子学习参与度检测应用中，常使用面部图像和视频，并通过深度学习方法进行特征提取和分类。
- 头和身体姿势估计 ：结合面部识别，通过 OpenPose 识别学生的姿势，并与头部姿势估计结果相结合，测量班级的注意力。
- Mediapipe 进行姿势分类 ：可以使用深度学习方法，但计算成本较高。也有研究使用关键点位置进行分类