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

More documents

Recommendations

Info

Capítulo 5. Diseño y Desarrollo de un Sistema de Monitorización Biométrica de 116 Estudiante para Plataformas LMS Figura 5.9: Imágenes extraídas de los 6 vídeos que obtuvieron DAP T RAP T
5.5. Limitaciones 117 esta mejora, se evitarían los casos que provocan que decaigan las prestaciones del sistema, mostradas en el apartado 5.4.2.1. Es decir, estos 6 peores vídeos tienen una gran influencia negativa en el hecho de que la distancia entre el valor medio del Detected Student Presence Time (DSPT) difiera en 9 puntos del valor medio del Real Student Presence Time (RSPT), y que el valor medio del Detected Student Frontal Pose Time (DSFPT) difiera en 30 puntos del valor medio del Detected Student Presence Time (DSPT). Por otra parte, los factores más influyentes en degradación de la precisión obtenida en la medida de detección de atención, tal y como se ha modelado en esta Tesis, son los siguientes. Por un lado, las oclusiones de la cara hacen que se degraden las prestaciones en la estimación del tiempo de pose frontal, debido al comportamiento poco robusto del detector de Viola & Jones en el proceso de detección de caras frontales cuando existen oclusiones. Por otro lado, la posición de la webcam es crítica para la detección de los intervalos de tiempo en que el estudiante está mirando el teclado, si la posición de la webcam es adecuada el detector de caras frontales de Viola & Jones nos permite detectar como caras frontales esos instantes gracias al margen en pose que ofrece el detector. Estos factores nos indican que parece necesario incorporar en el proceso de modelado de pose de estudiante, la información de seguimiento que procede de los seguidores de piel y de rasgos biométricos, para reducir su influencia. 5.5. Limitaciones En esta sección presentamos algunas de las limitaciones existentes en el sistema presentado. Actualmente, para el proceso de estimación de pose del estudiante sólo se está utilizando la información del detector de caras frontales. La incorporación en este proceso de las medidas que proporciona el seguidor de rasgos faciales (ojos, nariz y boca) mejoraría la precisión en esta estimación. El proceso de fusión de estas dos informaciones se podría realizar de la siguiente manera: a lo largo de una sesión de aprendizaje, el detector de caras frontales nos marca instantes temporales donde la cara del usuario tiene una pose frontal. Podemos analizar para esos instantes la relación existente entre las posiciones relativa de los rasgos faciales que nos devuelve el seguidor de rasgos faciales, y generar criterios de frontalidad en base a esa información. Después, aplicaríamos al resto de los instantes de la sesión esos mismos criterios etiquetando como instantes frontales aquellos en los que se cumplan. La precisión en la detección de tiempo de presencia y de atención de la solución implementada depende en gran medida de la correcta ubicación de la cámara web con respecto al centro-superior de la pantalla. Para ofrecer una solución que no imponga ninguna restricción sobre la ubicación de la webcam, debe remplazarse el algoritmo actual de estimación de pose por otro que proporcione un mayor grado de libertad, como por ejemplo Active Appearance Models (AAM). Es necesaria la adición de nuevos módulos que enriquezcan el proceso de monitorización, incorporando funcionalidad como la detección de estado de ánimo del alumno, la detección del tiempo de lectura dedicado a cada contenidos, etc.
Page 1:
Desarrollo de Soluciones Cliente-Se
Page 5:
Dpto. de Teoría de la Señal y Com
Page 9:
”Se nos conoce por nuestros actos
Page 13 and 14:
Abstract The use of online learning
Page 15 and 16:
Resumen En los últimos años y deb
Page 17:
Agradecimientos Por fin se acerca e
Page 20 and 21:
VIII Tabla de Contenidos 3. Base Te
Page 22 and 23:
X Tabla de Contenidos 6.1.1. Diseñ
Page 24 and 25:
XII Lista de Figuras 4.9. Interfaz
Page 27 and 28:
Capítulo 1 Introducción Contenido
Page 29 and 30:
1.1. Introducción al E-learning 3
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
1.2. Introduccion a la Biometría 9
Page 37 and 38:
1.2. Introduccion a la Biometría 1
Page 39 and 40:
1.3. Motivación y Objetivos de la
Page 41:
1.4. Estructura de la Tesis 15 Fina
Page 44 and 45:
18 Capítulo 2. Estado del Arte 2.1
Page 46 and 47:
20 Capítulo 2. Estado del Arte nav
Page 48 and 49:
22 Capítulo 2. Estado del Arte la
Page 50 and 51:
24 Capítulo 2. Estado del Arte WG1
Page 52 and 53:
26 Capítulo 2. Estado del Arte las
Page 54 and 55:
28 Capítulo 2. Estado del Arte 2.3
Page 57 and 58:
Capítulo 3 Base Tecnológica Conte
Page 59 and 60:
3.1. Tecnologías Biométricas 33 F
Page 61 and 62:
3.1. Tecnologías Biométricas 35 n
Page 63 and 64:
3.2. Single Sign-On para el Web 37
Page 65 and 66:
3.2. Single Sign-On para el Web 39
Page 67 and 68:
3.3. Servicios Web 41 Los datos han
Page 69 and 70:
3.3. Servicios Web 43 mánticas y c
Page 71 and 72:
3.4. Procesado de Imagen 45 de cara
Page 73 and 74:
3.4. Procesado de Imagen 47 se desp
Page 75 and 76:
3.4. Procesado de Imagen 49 1. Se e
Page 77 and 78:
3.5. Patrones de diseño 51 No obst
Page 79 and 80:
3.5. Patrones de diseño 53 Prototy
Page 81 and 82:
3.5. Patrones de diseño 55 Recurso
Page 83 and 84:
Capítulo 4 Diseño y Desarrollo de
Page 85 and 86:
4.2. Proyecto de Código Libre BioW
Page 87 and 88:
Page 89 and 90:
Page 91 and 92: 4.2. Proyecto de Código Libre BioW
Page 101 and 102: 4.3. Integración de BWA con las Pl
Page 103 and 104: 4.5. Desarrollo de Módulos de Reco
Page 109 and 110: 4.6. Alcance, Difusión y Repercusi
Page 111 and 112: 4.7. Limitaciones 85 gue el 01/03/2
Page 113: 4.8. Conclusiones 87 ILIAS, Moodle
Page 116 and 117: 90 Capítulo 5. Diseño y Desarroll
Page 126 and 127: Capítulo 5. Diseño y Desarrollo d
Page 147 and 148: Capítulo 6 Contribuciones, Conclus
Page 149 and 150: 6.2. Conclusiones 123 6.1.2. Diseñ
Page 151 and 152: 6.3. Trabajos Futuros 125 Por otra
Page 153 and 154: 6.3. Trabajos Futuros 127 [Gonzále
Page 155 and 156: Apéndice A Apéndice Contenido A.1
Page 157 and 158: A.2. Estadísticas Detalladas sobre
Page 171 and 172: A.3. Resultados Alternativos del M
Page 173 and 174: Bibliografía [Alba-Castro y otros,
Page 175 and 176: BIBLIOGRAFÍA 149 [Davis y Mermelst
Page 177 and 178: BIBLIOGRAFÍA 151 [Ortega-Garcia y
Page 179 and 180: BIBLIOGRAFÍA 153 [González Agulla
Page 181 and 182: Apéndice B Acrónimos y Abreviatur
show all

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

Create successful ePaper yourself

Delete template?

Save as template?