如需要完整文档点击下方 "点击下载文档" 按钮

新冠疫情导致全球在线教育异军突起,如何打破时间、空间的限制实时监督学生的在线学习状态随时调整教学策略进而提高学习效率具有重要意义。 基于 2D 与 3D 图像处理技术,提出了一种在线评估学习状态的方法,将学习者的学习状态分为无人、多人、用户未授权、分心以及疲劳五种。 利用 AdaBoost 算法与 ResNet 模型实现人脸检测和识别,并加入质心跟踪算法提高人脸识别检测效率;利用 RGB-D 图像实时获取人脸三维模型,通过 EPNP 算法获取学习者头部姿态进而评估学习姿态;提取学习者眼睛和嘴巴的实时图像特征,获取学习者眼睛与嘴巴纵横比值,实现学习者学习疲劳状态的实时预警。 测试表明学习者的身份识别、姿态评估以及疲劳预警有效可行,为提高在线学习的质量提供了积极思路。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于 2D 和 3D 图像处理技术的在线学习评估》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061436

点击下载文档