Desarrollo de Soluciones Cliente-Servidor para la Verificación ...

Capítulo 5. Diseño y Desarrollo de un Sistema de Monitorización Biométrica de
100
Estudiante para Plataformas LMS
Por otra parte, la salida del módulo de monitorización son unas trazas que nos indican
los intervalos de tiempo de presencia y de atención de cada individuo detectado. Cada
intervalo de seguimiento se inicia en el instante en que se detecta una cara frontal, y se
finaliza cuando el detector de piel pierde al individuo.
En lo referente a los intervalos de presencia, éstos son catalogados del mismo modo
que las imágenes procesadas por el módulo de seguimiento con las siguientes etiquetas:
identidad indeterminada, impostor y estudiante. Para catalogar un intervalo se aplica una
regla coherente sobre las etiquetas asignadas a los instantes temporales que lo componen.
Si en un mismo intervalo asociado a un individuo hay instantes en los que éste estuvo catalogado
como identidad indeterminada (mientras no se disponga de una cara frontal para
hacer una verificación), luego impostor (la cara frontal seleccionada produjo un resultado
bajo en su comparación con el modelo del estudiante), y finalmente estudiante (verificación
positiva); todo el intervalo pasa a ser catalogado como estudiante. Si el individuo
desaparece antes de conseguir una verificación positiva, el intervalo es catalogado como
impostor si se ha realizado alguna verificación que ha dado ese resultado, o identidad
indeterminada si no se encontró ninguna cara candidata para hacer una verificación frontal.
Los intervalos de tiempo etiquetados como estudiante nos permiten estimar el tiempo
total que el módulo de seguimiento está suficientemente seguro de que la identidad del
individuo monitorizado se corresponde con el estudiante. Es importante aclarar aquí que
los intervalos de tiempo etiquetados como impostor incluyen tanto los intervalos de presencia
de otro estudiante, como los intervalos de presencia del propio estudiante en los
que no se ha podido realizar una verificación positiva de su identidad (debido a problemas
de calidad de las muestras, errores de detección de pose, etc). Esto significa que el valor
de tiempo de detección de presencia de estudiante que ofrece el módulo de sistema debe
verse como una cota inferior del tiempo real.
En lo referente a los intervalos de atención, los hemos definido como los intervalos
de tiempo en los que el estudiante ha estado interactuando con los contenidos del LMS,
ya sea mirando hacia la pantalla, o mirando hacia el teclado. Dada la restricción impuesta
en esta Tesis sobre la ubicación de la webcam, asociamos detección de atención con detección
de pose frontal en la imagen procesada. Actualmente, para la detección de la pose
frontal sólo estamos utilizando la información que devuelve el detector de caras frontales
de Viola & Jones, pero se debería emplear también la información devuelta por el seguidor
de rasgos faciales (Lucas-Kanade) y el detector de piel (Cam-Shift), que también está
siendo almacenada durante la sesión. El criterio que hemos escogido para reducir la influencia
de los fallos de detección del algoritmo de Viola & Jones en la medida del tiempo
de atención, consistió en aplicar una ventana temporal de 1 segundo a todos los intervalos
de pose frontal detectados, de manera que se fusionan todos aquellos cuya distancia
temporal fuese inferior al tamaño de esa ventana. La justificación que nos permite aplicar
este criterio se basa en que la conducta típica de un estudiante, durante una sesión de
aprendizaje, no incluye habitualmente movimientos excesivamente bruscos. Es por ello
que parece coherente asignar la ausencia de cara frontal entre dos intervalos de pose frontal
que distan entre si menos de 1 segundo, a un error del detector, que al comportamiento
brusco del estudiante.
La Figura 5.5 muestra un ejemplo de monitorización de estudiante donde el cuadrado
identifica la detección de la cara frontal y de los ojos, y la elipse identifica la detección de