Gabor小波优化HMM算法的眼部疲劳状态识别

• 作者: 杨秋芬 桂卫华 胡豁生 阳若宁
• 来源期刊: 计算机工程与应用
• 学科: 教育
• 关键词: 学习疲劳 网络学习 Gabor小波 隐马尔可夫模型
• 年，卷（期）: 2014,（15）
• 所属期刊栏目: 博士论坛
• 页码范围: 13-17
• 页数: 5页
• 分类号: G40|O57
• 字数: 3873字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1402-0131

摘要

远程教育的网络学习者在学习过程中由于长期缺少情感互动容易导致学习疲劳，而学习疲劳状态往往通过眼部状态表现出来，为了对远程智能教学系统进行有效的监控，提出了一种基于Gabor小波和HMM的学习疲劳眼部状态识别算法。该算法针对网络学习者的正常学习、疲劳和疑惑三种学习状态下的眼睛张开程度有一定的区别的特点，在YCbCr颜色空间用拉普拉斯算子对眼部图像进行灰度差的处理，选择二维Gabor核函数，构造48个最优滤波器，获取48个特征值，这48个特征值生成48个特征向量，用HMM对眼部状态图像的特征向量形成的一组观测序列O进行眼部状态识别。实验结果表明，该算法对网络学习的疲劳度识别率达到95.68%，具有良好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂卫华	中南大学信息科学与工程学院	695	7452	38.0	56.0
2	杨秋芬	中南大学信息科学与工程学院	14	156	7.0	12.0
4	阳若宁	湖南广播电视大学理工教学部	13	53	5.0	7.0
7	胡豁生	中南大学信息科学与工程学院	7	29	3.0	4.0