Système basé sur l’intelligence artificielle pour détecter les niveaux d’attention chez les élèves

Dans les contextes éducatifs modernes, il est essentiel d’évaluer et de maintenir avec précision l’attention des élèves pour un enseignement et un apprentissage efficaces. Cependant, les méthodes traditionnelles d’évaluation de l’engagement, telles que l’auto-évaluation ou les observations subjectives de l’enseignant, prennent du temps et sont sujettes à des biais. Pour relever ce défi, les techniques d’intelligence artificielle (IA) sont apparues comme des solutions prometteuses pour la détection automatisée de l’attention. Un aspect important de la compréhension des niveaux d’engagement des élèves est la reconnaissance des émotions¹. Les systèmes d’IA peuvent analyser les expressions faciales pour identifier les émotions, telles que la neutralité, le dégoût, la surprise, la tristesse, la peur, le bonheur et la colère².

La direction du regard et la posture du corps sont également des indicateurs cruciaux de l’attention des élèves³. En utilisant des caméras et des algorithmes d’apprentissage automatique avancés, les systèmes d’IA peuvent suivre avec précision l’endroit où les élèves regardent et analyser leur posture corporelle pour détecter des signes de désintérêt ou de fatigue⁴. De plus, l’intégration de données biométriques améliore la précision et la fiabilité de la détection de l’attention⁵. En recueillant des mesures, telles que la fréquence cardiaque et les niveaux de saturation en oxygène dans le sang, à l’aide de montres intelligentes portées par les élèves, il est possible d’obtenir des indicateurs objectifs d’attention, complétant ainsi d’autres sources d’information.

Cet article propose un système qui évalue le niveau d’attention d’un individu à l’aide de caméras couleur et d’autres capteurs différents. Il combine la reconnaissance des émotions, l’analyse de la direction du regard, l’évaluation de la posture corporelle et les données biométriques pour fournir aux éducateurs un ensemble complet d’outils permettant d’optimiser le processus d’enseignement-apprentissage et d’améliorer l’engagement des élèves. En utilisant ces outils, les éducateurs peuvent acquérir une compréhension globale du processus d’enseignement-apprentissage et améliorer l’engagement des élèves, optimisant ainsi l’expérience éducative globale. En appliquant des techniques d’IA, il est même possible d’évaluer automatiquement ces données.

L’objectif principal de ce travail est de décrire le système qui nous permet de capturer toutes les informations et, une fois capturées, d’entraîner un modèle d’IA qui nous permet d’obtenir l’attention de toute la classe en temps réel. Bien que d’autres travaux aient déjà proposé de capter l’attention à l’aide d’informations visuelles ou émotionnelles⁶, ce travail propose l’utilisation combinée de ces techniques, ce qui fournit une approche holistique pour permettre l’utilisation de techniques d’IA plus complexes et efficaces. De plus, les ensembles de données disponibles jusqu’à présent se limitent soit à un ensemble de vidéos, soit à un ensemble de données biométriques. La littérature ne comprend pas d’ensembles de données fournissant des données complètes avec des images du visage ou du corps de l’élève, des données biométriques, des données sur la position de l’enseignant, etc. Avec le système présenté ici, il est possible de capturer ce type de jeu de données.

Le système associe un niveau d’attention à chaque élève à chaque moment donné. Cette valeur est une valeur de probabilité d’attention comprise entre 0 % et 100 %, qui peut être interprétée comme un niveau d’attention faible (0 %-40 %), un niveau d’attention moyen (40 %-75 %) et un niveau d’attention élevé (75 %-100 %). Tout au long du texte, cette probabilité d’attention est appelée le niveau d’attention, l’attention des élèves, ou le fait que les élèves soient distraits ou non, mais ils sont tous liés à la même valeur de sortie de notre système.

Au fil des ans, le domaine de la détection automatique de l’engagement s’est considérablement développé en raison de son potentiel à révolutionner l’éducation. Les chercheurs ont proposé différentes approches pour ce domaine d’étude.

Ma et ^al.7 ont introduit une nouvelle méthode basée sur une machine de Turing neuronale pour la reconnaissance automatique de l’engagement. Ils ont extrait certaines caractéristiques, telles que le regard oculaire, les unités d’action faciale, la pose de la tête et la pose du corps, pour créer une représentation complète de la reconnaissance de l’engagement.

EyeTab⁸, un autre système innovant, a utilisé des modèles pour estimer où une personne regarde avec ses deux yeux. Il a été spécialement conçu pour fonctionner sans problème sur une tablette standard sans aucune modification. Ce système exploite des algorithmes bien connus pour le traitement des images et l’analyse de la vision par ordinateur. Leur pipeline d’estimation du regard comprend un détecteur oculaire basé sur des caractéristiques de type Haar, ainsi qu’une approche d’ajustement de l’ellipse de limbe basée sur RANSAC.

Sanghvi et ^al.9 proposent une approche qui s’appuie sur des techniques basées sur la vision pour extraire automatiquement des caractéristiques posturales expressives à partir de vidéos enregistrées à partir d’une vue latérale, capturant le comportement des enfants. Une évaluation initiale est réalisée, impliquant l’entraînement de plusieurs modèles de reconnaissance à l’aide d’expressions posturales affectives contextualisées. Les résultats obtenus démontrent que les modèles de comportement postural peuvent prédire efficacement l’engagement des enfants avec le robot.

Dans d’autres travaux, tels que Gupta et ^al.10, une méthode basée sur l’apprentissage profond est utilisée pour détecter l’engagement en temps réel des apprenants en ligne en analysant leurs expressions faciales et en classifiant leurs émotions. L’approche utilise la reconnaissance des émotions faciales pour calculer un indice d’engagement (IE) qui prédit deux états d’engagement : engagé et désengagé. Divers modèles de deep learning, notamment Inception-V3, VGG19 et ResNet-50, sont évalués et comparés afin d’identifier le modèle de classification prédictive le plus efficace pour la détection de l’engagement en temps réel.

Dans Altuwairqi et ^al.11, les chercheurs présentent une nouvelle approche multimodale automatique pour évaluer les niveaux d’engagement des étudiants en temps réel. Pour garantir des mesures précises et fiables, l’équipe a intégré et analysé trois modalités distinctes qui capturent les comportements des élèves : les expressions faciales pour les émotions, les frappes au clavier et les mouvements de la souris.

Guillén et ^al.12 proposent le développement d’un système de surveillance qui utilise l’électrocardiographie (ECG) comme signal physiologique primaire pour analyser et prédire la présence ou l’absence d’attention cognitive chez les individus lors de l’exécution d’une tâche.

Alban et ^al.13 utilisent un réseau neuronal (NN) pour détecter les émotions en analysant les valeurs de fréquence cardiaque (FC) et d’activité électrodermale (EDA) de divers participants dans les domaines temporel et fréquentiel. Ils constatent qu’une augmentation de la racine carrée moyenne des différences successives (RMSDD) et de l’écart-type des intervalles normal-à-normal (SDNN), associée à une diminution de la FC moyenne, indique une activité accrue dans le système nerveux sympathique, qui est associée à la peur.

Kajiwara et ^coll.14 proposent un système novateur qui utilise des capteurs portables et des réseaux neuronaux profonds pour prévoir le niveau d’émotion et d’engagement chez les travailleurs. Le système suit un processus en trois étapes. Initialement, les capteurs portables capturent et collectent des données sur les comportements et les ondes de pouls. Par la suite, les caractéristiques des séries chronologiques sont calculées sur la base des données comportementales et physiologiques acquises. Enfin, les réseaux neuronaux profonds sont utilisés pour saisir les caractéristiques de la série chronologique et faire des prédictions sur les émotions et les niveaux d’engagement de l’individu.

Dans d’autres recherches, telles que Costante et ^al.15, une approche basée sur un nouvel algorithme d’apprentissage métrique de transfert est proposée, qui utilise la connaissance préalable d’un ensemble prédéfini de gestes pour améliorer la reconnaissance des gestes définis par l’utilisateur. Cette amélioration est obtenue avec une dépendance minimale à l’égard d’échantillons d’apprentissage supplémentaires. De même, un cadre de reconnaissance de l’activité humaine basé sur des capteurs¹⁶ est présenté pour répondre à l’objectif de la reconnaissance impersonnelle d’activités humaines complexes. Les données de signal collectées à partir de capteurs portés au poignet sont utilisées dans le cadre de reconnaissance de l’activité humaine développé, en utilisant quatre modèles DL basés sur RNN (Long-Short Term Memories, Bidirectional Long-Short Term Memories, Gated Recurrent Units et Bidirectional Gated Recurrent Units) pour étudier les activités effectuées par l’utilisateur du dispositif portable.

Le protocole suivant suit les directives du comité d’éthique de la recherche humaine de l’Université d’Alicante avec le numéro de protocole approuvé UA-2022-11-12. Le consentement éclairé de tous les participants a été obtenu pour cette expérience et pour l’utilisation des données ici.

1. Configuration du matériel, des logiciels et de la classe

1. Placez un routeur avec des capacités WiFi (les expériences ont été réalisées à l’aide d’un DLink DSR 1000AC) à l’endroit souhaité afin que sa portée couvre toute la pièce. Ici, 25 m² salles de classe avec 30 élèves ont été couvertes.
2. Définissez une smartwatch (ici Samsung Galaxy Smartwatch 5) et un appareil photo (ici les appareils photo Logitech C920) pour chaque emplacement d’étudiant. Définissez un appareil intégré pour deux élèves. Fixez deux caméras sur deux trépieds et connectez-les à un autre appareil embarqué (ci-après dénommés caméras zénithales).
3. Connectez les appareils photo aux appareils intégrés correspondants avec une liaison USB et allumez-les. Allumez également les smartwatches. Connectez chaque appareil intégré et smartwatch au réseau WiFi du routeur configuré à l’étape 1.1.
4. Placez les caméras dans le coin du bureau de chaque élève et pointez-les vers l’avant et légèrement inclinées vers le haut afin que le visage de l’élève soit clairement visible sur les images.
5. Placez les deux trépieds avec les caméras devant les bureaux les plus proches des allées dans la première rangée de sièges de la salle de classe. Déplacez le trépied vers la position la plus haute afin que les caméras puissent voir clairement la plupart des élèves. Chaque appareil embarqué sera capable de gérer un ou deux élèves, ainsi que leurs appareils photo et montres respectifs. La configuration est illustrée à la figure 1.
6. Exécutez le logiciel de capture dans les montres intelligentes et dans les appareils intégrés afin qu’ils soient prêts à envoyer les images et les données de l’accéléromètre, du gyroscope, de la fréquence cardiaque et de l’éclairage. Exécutez le logiciel serveur qui collecte les données et les stocke. Un schéma de tous ces éléments est illustré à la figure 2.
7. Assurez-vous que les caméras zénithales dominent la scène afin qu’elles aient une vue claire du corps des élèves. Placez une caméra individuelle supplémentaire devant chaque élève.
8. Laissez les élèves s’asseoir à leur place, informez-les des objectifs de l’expérience et demandez-leur de porter les montres intelligentes sur leur main dominante et de ne pas interagir avec l’un des éléments de la configuration.
9. Démarrez la capture et la collecte des données sur le serveur et reprenez les leçons de classe comme d’habitude.

Figure 1 : Pipeline de matériel et de données. Les données des appareils photo et des montres connectées sont collectées et transmises aux algorithmes d’apprentissage automatique pour être traitées. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Position des capteurs, de l’enseignant et des élèves. Schéma montrant les positions des caméras, des montres intelligentes et de l’interface graphique dans la salle de classe avec l’enseignant et les élèves. Veuillez cliquer ici pour voir une version agrandie de cette figure.

2. Pipeline de capture et de traitement des données

REMARQUE : Toutes ces étapes sont effectuées automatiquement par un logiciel de traitement déployé sur un serveur. L’implémentation utilisée pour les expériences dans ce travail a été écrite en Python 3.8.

1. Collectez les données requises en rassemblant toutes les images et les données biométriques de la smartwatch pour chaque élève et créez un cadre de données qui comprend des données de 1 s. Cette trame de données est composée d’une image de la caméra individuelle, d’une image de chaque caméra zénithale (deux dans ce cas), de cinquante registres des trois valeurs du gyroscope, de cinquante registres des trois valeurs de l’accéléromètre, d’une valeur de fréquence cardiaque et d’une valeur de condition de lumière.
2. Pour calculer la direction de la tête, la première étape consiste à utiliser la webcam qui est pointée vers le visage de l’élève et à récupérer une image. Ensuite, cette image est traitée par l’algorithme d’estimation du point de repère BlazeFace¹⁷ . Le résultat d’un tel algorithme est une liste de points clés 2D correspondant à des zones spécifiques du visage.
3. En utilisant la position estimée des yeux, du nez, de la bouche et du menton fournie par l’algorithme, résolvez le problème de perspective n-point à l’aide de la méthode cv ::SolvePnPMethod de la bibliothèque OpenCV, un paramètre de visage canonique. La matrice de rotation qui définit la direction de la tête est obtenue à la suite de cette procédure.
4. Calculez la pose du corps en transmettant l’image zénithale du cadre de données dans lequel l’étudiant est représenté à l’algorithme d’estimation du point de repère BlazePose¹⁸ et récupérez une liste de coordonnées 2D des articulations du corps représenté dans l’image. Cette liste de points de repère décrit la pose de l’élève.
   REMARQUE : La posture du corps est importante car elle peut représenter avec précision l’engagement d’un élève dans différentes activités pendant le cours. Par exemple, si l’élève est assis naturellement avec ses mains sur le bureau, cela pourrait signifier qu’il prend des notes. En revanche, s’ils bougent continuellement leurs bras, cela pourrait signifier qu’ils parlent à quelqu’un.
5. Obtenez l’image du visage de l’élève et effectuez le prétraitement de l’alignement. Récupérez les points clés des yeux dans la liste calculée à l’étape 2.3 et projetez-les sur le plan de l’image afin d’obtenir la position des yeux.
6. Tracez un vecteur virtuel qui rejoint la position des deux yeux. Calculez l’angle entre ce vecteur et la droite horizontale et construisez une matrice d’homographie pour appliquer l’angle inverse à l’image et aux points clés afin que les yeux soient alignés horizontalement.
7. Recadrez le visage à l’aide des points clés pour détecter ses limites et alimentez le patch au réseau neuronal convolutif de détection d’émotion¹⁹. Récupérez la sortie du réseau, qui est un vecteur à 7 positions, chaque position donnant la probabilité que le visage montre l’une des sept émotions de base : neutre, heureux, dégoûté, en colère, effrayé, surpris et triste.
8. Mesurez le niveau d’attention en obtenant les données de l’accéléromètre, du gyroscope et de la fréquence cardiaque à partir du cadre de données (Figure 3).
9. Alimentez le modèle basé sur le deep learning qui a été construit sur mesure et entraîné à partir de zéro, décrit dans les résultats représentatifs, avec le flux de données de l’accéléromètre et du gyroscope. Récupérez le résultat du modèle, qui est un vecteur à 4 positions, chaque position donnant la probabilité que les données représentent l’une des actions possibles suivantes : écrire à la main, taper sur un clavier, utiliser un téléphone portable ou se reposer, comme le montre la figure 4.
10. Alimentez le classificateur d’attention final avec une linéarisation de tous les résultats des systèmes précédents en fusionnant la direction de la tête, la sortie de reconnaissance des émotions, la posture du corps et les données du gyroscope, de l’accéléromètre et de la fréquence cardiaque. Récupérez les résultats de ce classificateur final, qui est un score de 0 à 100. Classez cette valeur continue dans l’une des trois catégories d’attention discrètes possibles : niveau d’attention faible (0-40%), niveau d’attention moyen (40%-75%) et niveau d’attention élevé (75% - 100%). La structure de l’ensemble de données généré est illustrée au tableau 1.
11. Montrez les résultats des niveaux d’attention à l’enseignant à l’aide de l’interface utilisateur graphique (GUI) de l’ordinateur de l’enseignant, accessible à partir d’un navigateur Web ordinaire.

Figure 3 : Données capturées par la smartwatch. La smartwatch fournit un gyroscope, un accéléromètre, une fréquence cardiaque et une condition lumineuse comme flux de données. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Exemples de catégories prises en compte par le modèle de reconnaissance d’activité. Quatre actions différentes sont reconnues par le modèle de reconnaissance d’activité : l’écriture manuscrite, la frappe sur un clavier, l’utilisation d’un smartphone et la position de repos. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Le groupe cible de cette étude est constitué des étudiants de premier cycle et de master, et le groupe d’âge principal se situe donc entre 18 et 25 ans. Cette population a été choisie parce qu’elle peut manipuler des appareils électroniques avec moins de distractions que les élèves plus jeunes. Au total, le groupe comprenait 25 personnes. Ce groupe d’âge peut fournir les résultats les plus fiables pour tester la proposition.

Les résultats du niveau d’attention montré à l’enseignant comportent 2 parties. La partie A du résultat montre des informations individuelles sur le niveau d’attention actuel de chaque élève. La partie B est alors destinée à obtenir l’attention moyenne de toute la classe et son histoire temporelle tout au long de la leçon. Cela nous permet de capter une tendance générale de l’attention de l’élève en classe et d’adapter la méthodologie utilisée par l’enseignant en direct. Chaque seconde, l’interface demande de nouvelles informations au serveur. De plus, cette vue intègre l’utilisation des notifications du navigateur, ce qui permet d’afficher des changements drastiques dans l’attention des élèves de manière non intrusive pendant que l’enseignant effectue ses activités normalement, sans qu’il soit nécessaire de garder cette interface graphique au premier plan. Un exemple de cette interface graphique peut être vu dans la figure 5.

Figure 5 : Interface utilisateur graphique du système. Le niveau d’attention est indiqué dans une interface graphique accessible par n’importe quel navigateur Internet sur n’importe quel appareil compatible, tel qu’une tablette, un smartphone et un ordinateur de bureau ou portable. Veuillez cliquer ici pour voir une version agrandie de cette figure.

En ce qui concerne le modèle de reconnaissance d’activité, un réseau de neurones récurrents a été défini, de sorte qu’il reçoit une séquence de 200 mesures avec 6 valeurs chacune en entrée : à savoir, trois valeurs de l’accéléromètre et 3 du gyroscope. Le modèle dispose d’une couche LSTM de 64 unités, suivie d’une couche entièrement connectée activée par SoftMax avec quatre neurones de sortie, un par catégorie. L’architecture est illustrée à la figure 6.

Figure 6 : Architecture du classificateur d’activités. En entrée, le modèle prend les données de la smartwatch et les traite à travers une couche LSTM suivie d’une couche entièrement connectée. Le résultat est la probabilité que l’échantillon représente chaque activité. Veuillez cliquer ici pour voir une version agrandie de cette figure.

En sortie, le classifieur renvoie la classe correspondant à l’action estimée effectuée par l’étudiant. Ce réseau neuronal a été formé à l’aide de données capturées auprès de 6 individus différents. Chacun a été enregistré pendant 200 secondes en train d’effectuer des actions des quatre catégories différentes. Toutes les données prises ont été dupliquées, générant un nouvel ensemble de données en miroir en inversant la valeur obtenue à partir des capteurs dans l’axe des abscisses. Cela revient à recueillir des données à partir de la main droite et de la main gauche de tous les individus. Il s’agit d’une pratique courante dans le domaine de l’apprentissage automatique et elle vise à générer davantage d’échantillons à partir de l’ensemble de données existant afin d’éviter le surapprentissage.

Les 200 mesures (un enregistrement par seconde) sont regroupées en flux de 4 s pour correspondre à l’entrée du réseau LSTM en déplaçant la fenêtre d’une seconde à la fois. En conséquence, nous avons obtenu 197 combinaisons de données prises dans un intervalle de 4 s. En résumé, au total, il y a 9 456 entrées de données, 6 personnes, 4 classes, 2 mains et 197 ensembles d’entraînement. Les données ont été séparées en 90 % d’entraînement et 10 % de validation, et le réseau a été entraîné pour 300 époques et une taille de lot de 64.

Comme le montre la figure 7, le modèle a été entraîné pour 300 époques. La perte de validation était inférieure à 0,1 % et la précision de la validation était de 97 %. Les métriques obtenues mettent en évidence les bonnes performances du modèle.

Figure 7 : Pertes et précisions de l’entraînement et de la validation. Les pertes et les précisions de l’entraînement et de la validation montrent que les performances du modèle sont adéquates et ne souffrent pas de surapprentissage. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Enfin, les résultats de chaque sous-système (posture de la tête, estimation de la pose, prédiction des émotions et reconnaissance d’activité) sont fusionnés dans un classificateur stimulant qui fournit une valeur de probabilité selon que l’élève est attentif ou non à la leçon.

Afin de faire progresser la clarification conceptuelle et procédurale pour un étiquetage précis et l’avis d’experts, les études existantes ont été consultées comme décrit ci-dessous.

En ce qui concerne l’apport d’experts, la méthode Delphi a été choisie 20,21,22, une méthode de plus en plus pertinente dans le domaine technologique 23. Comme souligné dans une publication précédente, la méthode Delphi est définie comme un processus itératif, de groupe et anonyme pour générer des opinions sur un sujet et explorer le consensus entre les experts sur ce sujet23. Dans le cas présenté ici, 6 experts ont contribué pendant 2 semaines et 2 cycles de consultation, en accord avec Khodyakov et al.24. En raison de l’importance du profil des experts participants, la consultation a inclus des spécialistes universitaires des domaines de la psychologie, de la pédagogie et de l’informatique. Une méthode quantitative a été utilisée pour recueillir les données. Les résultats ont conduit à un consensus sur l’étiquetage utilisé dans cette étude.

En ce qui concerne les études consultées comme base pour le marquage, nous avons commencé par une étude exploratoire dans les principales bases de données, telles que WOS et Scopus. Les contributions d’études antérieures 25,26,27,28 méritent d’être mentionnées à cet égard. Tous abordent le problème des soins sous des angles spécifiques, mais pas de manière holistique à partir d’un système intelligent, comme cette étude entend l’aborder. D’autre part, il existe des études qui combinent deux sources spécifiques, comme dans Zaletelj et al.29, où elles se concentrent sur les traits du visage et du corps, mais elles sont loin des approches globales comme cette étude. Un travail précédent se démarque30, citant la taxonomie de Posner, qui est prise en compte dans cette étude. Posner considère l’attention comme un ensemble de systèmes neuronaux isolables (vigilance, orientation et contrôle exécutif), qui travaillent souvent ensemble pour organiser le comportement30.

Le classificateur boosting est un algorithme d’ensemble qui apprend les poids pour chaque sortie faible du classificateur et génère une valeur finale au moyen d’une combinaison pondérée de chaque décision individuelle. Ces informations, comme nous l’avons vu à l’étape 2.9, sont présentées en temps réel via une interface Web afin que l’enseignant puisse remarquer des changements drastiques dans le niveau d’attention de la classe à l’aide des notifications du navigateur. Grâce à cette interface de visualisation, qui montre l’évolution en temps réel du niveau d’attention global des élèves, les enseignants peuvent adapter leurs classes pour impliquer les élèves dans leurs leçons et tirer le meilleur parti de la classe.

Le tableau 1 présente la structure de l’ensemble de données, qui est composée des éléments suivants : Appareil photo individuel : une image par seconde à 960 x 720 pixels RVB ; Caméras Zenital : deux images par seconde à 1920 x 1080 pixels RGB ; Gyroscope : 50 données par seconde, chaque donnée est décomposée en 3 valeurs à virgule flottante avec 19 valeurs décimales, correspondant aux coordonnées X, Y, Z. Mesure l’accélération angulaire en °/s ; Accéléromètre : 50 données par seconde, chaque donnée est décomposée en 3 valeurs à virgule flottante avec 19 valeurs décimales, correspondant aux coordonnées X, Y, Z. Mesure l’accélération en m/s2 ; Vecteur de rotation : 50 données par seconde, chaque donnée est décomposée en un quaternion avec 4 valeurs à virgule flottante avec 19 décimales (avec des valeurs comprises entre -1 et 1) ; Fréquence cardiaque : une valeur par seconde mesurant les battements par minute ; Capteur de lumière : environ 8 à 10 valeurs par seconde mesurant le niveau de lumière avec des entiers ; Direction de la tête : Pour chaque image, 3 nombres décimaux représentent l’axe X (roulis), l’axe Y (tangage) et l’axe Z (lacet), qui indiquent l’inclinaison de la tête ; Pose du corps : Pour chaque image, 18 nombres décimaux représentent les coordonnées X et Y de 9 points clés.

Tableau 1 : Structure de l’ensemble de données. L’ensemble de données affiche des données différentes à des fins de classification. Toutes les données présentées proviennent de données biométriques et d’images prises par différentes caméras.

Les auteurs déclarent qu’ils n’ont pas d’intérêts financiers concurrents connus ou de relations personnelles qui auraient pu sembler influencer les travaux rapportés dans cet article.