Resumen

Los rasgos faciales son una representación eficaz del estado de fatiga de los estudiantes, y el ojo está más relacionado con el estado de fatiga. Sin embargo, hay tres problemas principales en la investigación existente: (1) la posición del ojo es vulnerable al entorno externo; (2) las características oculares necesitan ser definidas y extraídas artificialmente para juzgar el estado; y (3) aunque la detección del estado de fatiga del estudiante basada en la red neuronal convolucional tiene una alta precisión, es difícil de aplicar en la parte terminal en tiempo real. Teniendo en cuenta los problemas anteriores, se propone un método para juzgar el estado de fatiga de los estudiantes que combina la detección de rostros y la tecnología de aprendizaje profundo ligero. En primer lugar, se utiliza el algoritmo AdaBoost para detectar el rostro humano a partir de las imágenes de entrada, y las imágenes marcadas con regiones de rostros humanos se guardan en la carpeta local, que se utiliza como conjunto de datos de muestra de la parte de juicio de apertura y cierre. En segundo lugar, se propone una novedosa estructura piramidal reconstruida para mejorar la MobileNetV2-SSD con el fin de mejorar la precisión de la detección de objetivos. A continuación, se introduce el mecanismo de supresión de la mejora de las características basado en el módulo SE-Net para mejorar eficazmente la capacidad de expresión de las características. Los resultados experimentales finales muestran que, en comparación con la red de detección de objetivos comúnmente utilizada actualmente, el método propuesto tiene una mejor capacidad de clasificación del estado de los ojos y mejora el rendimiento y la precisión en tiempo real.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:estado de fatiga de los estudiantes, región del rostro humano, red neuronal convolucional, métodos de los estudiantes, estructura piramidal reconstruida, mecanismo de supresión de la mejora, mejor capacidad de clasificación, representación de los estudiantes, resultados experimentales finales, red de detección de objetivos
• Keywords:students fatigue state, human face region, convolutional neural network, methods of students, reconstructed pyramid structure, enhancement suppression mechanism, better classification ability, representation of students, final experimental results, target detection network