基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了无介入的量化学生上课的精力集中程度,提出并设计了基于深度学习的课堂注意力检测算法.利用libfacedetection人脸检测模型检测摄像头画面中含68个特征点的人脸,再根据特定的6个特征点估计头部姿态以及眼部12个特征点计算疲劳程度,并通过特征融合的策略获取学生的注意力状态,从而计算学生注意力集中时间.实验结果表明,该算法具有较高的准确率,达到了预期效果.
推荐文章
基于RealSense的在线课堂注意力评测系统设计
在线课堂
注意力
教学评测系统
RealSense
基于注意力机制的音乐深度推荐算法
深度学习
注意力机制
音乐推荐
有效提高学生的课堂注意力
低段学生
注意力
课堂气氛
浅谈如何提高学生的课堂注意力
注意力
良好习惯
趣味性
学习兴趣
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的课堂注意力检测
来源期刊 电子测试 学科
关键词 人脸检测 头部姿态估计 眼部疲劳 注意力检测
年,卷(期) 2021,(22) 所属期刊栏目 理论与算法|The theory and algorithm
研究方向 页码范围 55-57
页数 3页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1000-8519.2021.22.020
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人脸检测
头部姿态估计
眼部疲劳
注意力检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
论文1v1指导