基于瞳孔追踪的网络课堂注意力检测

摘要

近年来，基于瞳孔识别的注意力检测技术因其无感感知和低成本优势成为了智慧教育领域的创新解决方案.然而，由于眼睛特征的个体差异、不断变化的光照条件、多样的头部姿势以及眼动方向的复杂性等因素，现有追踪算法在实时性和精确度方面还有很大提升空间.同时，如何有效地从视线追踪数据中推断出注意力仍是一个待解决的关键问题.因此，提出了基于瞳孔追踪的注意力检测方法，首先对瞳孔数据集进行预处理，采用Adaboost算法和OTSU动态阈值获取瞳孔中心区域位置特征并结合分类和回归损失组合模型实现实时视线追踪，然后基于分割网络和决策网络模型，利用眼睛开合度和注视离散度来综合判断注意力集中程度.实验结果显示，所提方法在实时视线追踪的精度和处理速度方面均优于现有算法，且在眼睛开合度预测方面达到了96.72%的高准确率.

关键词

瞳孔追踪 / 注意力检测 / 深度学习