[发明专利]远程教育中基于眼动仪的学生课堂专注状态检测方法

权利要求书

1.远程教育中基于眼动仪的学生课堂专注状态检测方法，其特征在于：包括以下步骤：

步骤一：眼球运动轨迹数据集的搭建与数据集的预处理；

提出受试者眼球运动轨迹数据信息，作为训练集和测试集；提取具有相同时间间隔的相邻的N个轨迹坐标作为一段目标轨迹，构造轨迹时单个点不重复使用；储存轨迹对应的类别标签，搭建专注与否两种状态的眼球运动轨迹数据库；将每种状态数据库中的数据分为训练集和测试集；所述训练集数量大于测试集；

步骤二、搭建MOOC授课过程中学生上课专注状态检测模型，选择LSTM网络模型作为基本网络框架；

将权值窗口与搭建的学生上课专注状态检测网络模型无耦合连接，二者相对独立；权值窗口通过无耦合连接，在时间步上将相邻时刻的网络模型输出结果进行融合；

权值窗口采用矩阵形式，利用权值窗口与LSTM网络模型在N个连续时刻输出组成的输出矩阵对应元素乘积得到中间矩阵，然后对中间矩阵中的各行元素求和得到一个2×1的列向量，作为最终的输出结果；

采用步骤一得到的训练集对模型，进行训练：将轨迹坐标集作为LSTM网络模型的输入，轨迹对应的标签值，即预测的类别作为输出，与真实标签值对比计算交叉熵函数，使用自适应优化算法反复迭代，最小化交叉熵函数，逐步更新权重，得到最终模型；并采用步骤一得到测试集进行模型验证；若验证合格进行下一步，不合格重复步骤一采集更多的数据或者改变循环核按照时间步骤展开的个数以及训练参数等重复进行模型的训练与测试；

步骤三、MOOC授课过程中学生上课专注状态检测模型的应用，在MOOC授课过程中，将眼动仪实时获取眼球运动轨迹坐标集作为步骤二中训练好的网络模型的输入，由网络模型实时输出预测结果，最终实现MOOC授课过程中学生上课专注状态检测。

2.如权利要求1所述的远程教育中基于眼动仪的学生课堂专注状态检测方法，其特征在于：步骤一所述的提出受试者眼球运动轨迹数据信息的方法为：

1)、受试者在屏幕前假演MOOC授课过程中专注与否两类听课状态；记录眼动仪跟踪眼球每次在屏幕中对应的运动轨迹；

2)、提取眼球运动轨迹的数据信息，作为训练集和测试集；所述的数据信息包括类别(专注状态或者不专注状态)和坐标信息；所述坐标是以屏幕中心为坐标原点，计算机屏幕正上方向为y轴正半轴的笛卡尔直角坐标，以眼球专注区域的中心点为运动轨迹在该处的坐标点；

3)、采用步骤2)得到坐标点的横纵坐标两项特征作为训练特征，有效表示某一时刻眼球的轨迹信息。

3.如权利要求1所述的远程教育中基于眼动仪的学生课堂专注状态检测方法，其特征在于：步骤二的具体实现方式如下：

其中，x_t是总的输入端；f_t为遗忘门，w_f为遗忘门权重，b_f为遗忘门偏置项；i_t为输入门，w_i为输入门权重，b_i为输入门偏置项；为候选态，C_t为细胞态(长期记忆)，c_t-1为上一时刻的细胞态，w_c为细胞态权重，b_c为细胞态偏置项；O_t为输出门，w_o均为输出门权重；b_o为输出门权重偏置项；h_t为记忆体，h_t-1为上一时刻的记忆体；tanh为激励函数，σ为sigmod函数运算。