Measuring Student Behavioral Engagement using Histogram of Actions

要約

この論文では、学生の行動認識を通じて行動の関与を測定するための新しい手法を提案します。
提案されたアプローチは、学生の行動を認識し、学生の行動エンゲージメントレベルを予測します。
学生のアクション認識のために、人間の骨格を使用して、学生の姿勢と上半身の動きをモデル化します。
学生の上半身のダイナミクスを学ぶために、3D-CNNモデルが使用されます。
訓練された3D-CNNモデルは、2分ごとのビデオセグメント内のアクションを認識するために使用され、これらのアクションは、学生のアクションとその頻度をコードするアクションのヒストグラムを構築するために使用されます。
このヒストグラムは、SVM分類器への入力として使用され、学生が関与しているか解放されているかを分類します。
提案されたフレームワークを評価するために、13のアクションと2つのエンゲージメントレベルが注釈された112のビデオセグメントが注釈された1414の2分間のビデオセグメントで構成されるデータセットを構築します。
実験結果は、学生の行動が上位1の精度83.63％で認識され、提案されたフレームワークがクラ​​スの平均エンゲージメントを獲得できることを示しています。

要約(オリジナル)

In this paper, we propose a novel technique for measuring behavioral engagement through students’ actions recognition. The proposed approach recognizes student actions then predicts the student behavioral engagement level. For student action recognition, we use human skeletons to model student postures and upper body movements. To learn the dynamics of student upper body, a 3D-CNN model is used. The trained 3D-CNN model is used to recognize actions within every 2minute video segment then these actions are used to build a histogram of actions which encodes the student actions and their frequencies. This histogram is utilized as an input to SVM classifier to classify whether the student is engaged or disengaged. To evaluate the proposed framework, we build a dataset consisting of 1414 2-minute video segments annotated with 13 actions and 112 video segments annotated with two engagement levels. Experimental results indicate that student actions can be recognized with top 1 accuracy 83.63% and the proposed framework can capture the average engagement of the class.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google