[发明专利]一种融合视线检测的注意力检测方法

说明书

本发明公开了一种融合视线检测的注意力检测方法，该方法包括了人脸检测、人眼闭合检测、人眼视线检测、头部偏转检测几个方面，经摄像头抓取图片，分析每帧中学生的眼睛闭合特征、头部偏转特征和视线特征，来判别学生注意力是否专注。本发明通过融入视线检测方法，解决了学生处于头部正视、眼睛睁开而视线在电脑屏幕以外区域的难题；通过本发明可以检测在线学习中学生注意力专注情况，故本发明方法具有科学实用、准确度高、稳定性好、可靠性强的优点。

技术领域

本发明属于在线教学状态检测技术领域，具体涉及一种融合视线检测的注意力检测方法。

背景技术

在线教育随着网络的发展越来越普及，在该模式下确定学生的学习状态具有重大的意义。注意力检测是在线教育中判断学生学习状态的重要组成部分，是利用人脸及五官的特征变化，或者是利用脑波检测或心电频率等来判断注意力是否集中。基于计算机视觉的注意力检测方法相对于其他非计算机视觉的注意力检测方法，具有非接触式、实时性强、可靠性高、适应性强、成本低等特点。

基于计算机视觉的注意力检测方法，主要是通过计算机视觉对人脸特征的获取，然后对数据进行分析处理，其主要的检测手段是通过摄像头抓取图像，在必要时先对图像进行一系列的预处理，之后通过人脸的特征分析，如人脸定位、人脸偏转角度、人眼特征分析、嘴唇特征分析等来确定当前图像中人物的注意力集中程度，在必要时给出一定的提醒来督促其学习，以此来提高在线学习的学习效率。

近年来，注意力检测方法层出不穷，但是这些方法的主要应用领域是驾驶员疲劳检测，应用于在线学习中少之又少。传统的利用计算机视觉来检测学生在线学习中注意力状态的方法与驾驶员疲劳检测类似，即利用眼睛特征和头部特征来判别学生的注意力。但是，当学生处于头部正视、眼睛睁开且视线分散于电脑屏幕以外的区域时，这些传统的方法就会出现误检，从而导致检测准确率低的结果，说服力不够。

发明内容

鉴于上述，本发明提供了一种融合视线检测的注意力检测方法，通过融入视线检测技术，可以检测在线学习中学生注意力专注情况，能够解决学生处于头部正视、眼睛睁开而视线在电脑屏幕以外区域的难题，且具有科学实用、准确度高、稳定性好、可靠性强的优点。

一种融合视线检测的注意力检测方法，包括如下步骤：

(1)利用低分辨率摄像头(像素30万左右)采集电脑前的视频图像，运用人脸分类器对视频图像进行人脸检测，以判断图像中是否存在人脸：若是，则执行步骤(2)；若否，则继续检测下一帧图像；

(2)通过检测人眼轮廓的宽高比来确定人眼的开闭状态；

(3)采用SDM(Supervised Descent Method)算法检测出图像中的人脸特征点，再提取其中的人眼特征点信息用以确定人眼轮廓位置，然后利用图像的梯度信息确定虹膜中心位置，进而以人眼轮廓的宽和高以及虹膜中心位置组成特征向量，使用SVM(支持向量机)分类器来判断人眼视线是否偏离电脑屏幕区域；

(4)采用OpenCV平台上实现的3D姿态估计算法POSIT(Pose from Orthographyand Scaling with Iterations)计算出用户的头部偏转角度(该算法能根据2D图像中的若干特征点位置，估计物体在3D上的角度)，进而根据该偏转角度判断人的头部是否存在偏转情况；

(5)每隔一定时间统计该时间段内对应存在眼睛闭合、视线偏离以及头部偏转情况的图像帧数，若存在眼睛闭合、视线偏离或头部偏转的图像帧数占该时间段内总图像帧数的比值大于设定阈值，即判定电脑前的用户注意力分心。

进一步地，所述步骤(1)中的人脸分类器采用Adaboost算法在OpenCV平台上训练得到，该算法直接对采集到的图像灰度化，使用Harr-Like特征表示人脸，使用积分图加快计算，再级联多个弱分类器来构造成一个强分类器以提高检测准确率。