网络学习疲劳检测中的人脸特征定位研究

论文摘要

在网络学习中,学习者和教师处于时空分离状态,不能面对面进行交流。这种学习没有常规校园的文化氛围,因而教师不能及时了解学习者的状态,特别是学习者是否疲劳或精神分散。当前,国际国内对驾驶员疲劳监测及相应的疲劳检测系统开发已经做了深入的研究,但是,对教育领域疲劳检测研究却比较少。因此,本文对网络学习疲劳检测进行研究,具有一定的意义。网络学习中对于学习者疲劳检测的人脸特征定位主要是眼睛定位与嘴巴定位。本文的主要工作如下:（1）在人脸定位部分先分析了肤色模型在本应用中快速定位的优势。然后选择YCbCr空间,运用肤色高斯模型定位人脸。（2）根据眼睛与周围肤色区域的灰度分布不同的特点,运用边缘检测法对灰度图像进行边缘检测,再通过水平投影对眼睛进行粗定位。然后在二值图像中,在粗定位的眼睛区域内搜索连通区域,再根据眼睛特征等限制条件精确确定眼睛。采用边缘检测法与投影法相结合实现嘴巴定位。（3）将眼睛开合状态、嘴巴开合状态、眨眼频率和嘴巴打哈欠状态持续时间作为网络学习疲劳检测参数。利用眼睛上下眼睑距离大小来判断眼睛睁开与闭合状态。利用上下嘴唇距离大小来判断嘴巴的打哈欠状态与正常状态。通过实验测定网络学习者处于清醒状态时的眨眼频率,及疲劳时打哈欠的持续时间。最后给出网络学习者疲劳的判定方法。本文采用VC++实现了人脸定位、人眼定位与嘴巴定位,实验达到预期效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文的研究背景与意义
• 1.2 国内外研究现状
• 1.3 本文研究的主要内容
• 第二章 网络学习者的人脸定位
• 2.1 引言
• 2.2 图像预处理
• 2.2.1 光线补偿
• 2.2.2 中值滤波
• 2.3 肤色分割
• 2.3.1 肤色采样
• 2.3.2 颜色空间的选择
• 2.3.3 肤色模型的建立
• 2.3.4 肤色相似度图
• 2.3.5 二值化
• 2.3.6 形态学处理
• 2.3.7 人脸区域的确定
• 第三章 网络学习者的人脸特征定位
• 3.1 眼睛定位
• 3.1.1 眼睛定位算法
• 3.1.2 实验结果
• 3.2 嘴巴定位
• 3.2.1 嘴巴定位算法
• 3.2.2 实验结果
• 第四章 眼睛、嘴巴状态判断及网络学习疲劳检测
• 4.1 眼睛开合状态判断
• 4.2 嘴巴张开状态判断
• 4.3 疲劳状态检测
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 研究展望
• 参考文献
• 在校期间发表的论文、科研成果等
• 致谢