In order to manage voluminous viewed videos, an automatic method of detecting highly attended video segments during video viewing is required to access them for the fine-grained sharing and rewatching. Most studies of user state analysis have addressed attention recognition in a specific task condition, such as drowsiness during driving, attention during learning, and mental fatigue during task execution. In contrast to attention in a specific task condition, attention during video viewing is not distinguishable from inattention during video viewing and a few highly attended segments is required to be detected rather than classified into attention because normal attention is meaningless to viewers for managing viewed videos and high attention paid to video segments are considered to be worthwhile. Therefore, we propose a method to detect the top 20% of viewer attention independent of video genre. The subject-independent attention detection model using the interval EEG features from 14 channels achieved the best average F1 score of 39.79% with an average accuracy of 52.96%. Additionally, this paper proposed a channel-based feature selection method that considers both the performances of single-channel models and their physical locations for investigating the group of channels relevant to attention detection. The attention detection models using the interval EEG features from all four or some channels located in fronto-central, parietal, temporal, and occipital lobes of the left hemisphere achieved the best F1 score of 39.60% with an average accuracy of 48.70%. It was shown that the models achieved better performance than models using the features from all four or some of their symmetric channels in the right hemisphere and models using the features from six channels located in anterior-frontal and frontal lobes of the left and right hemispheres.
대용량의 시청 비디오 관리에 있어, 특정 구간을 재시청하거나 공유하기 위해서는 주의 상태로 시청한 비디오 구간의 자동 탐지 방법이 필요하다. 대부분의 사용자 상태 분석 연구들은 운전 중 졸음, 학습 중 주의, 태스크 수행 중 정신적 피로 등 특정 작업 조건에서의 주의를 다루었다. 그러나, 특정 작업 시 주의와 달리, 비디오 시청 중의 주의는 주의와 부주의 상태의 구분이 어렵고, 작업 결과물로 주의 정도의 측정이 불가능하며, 시청 상태 중 높은 주의 구간이 탐지 가치가 있는 영역이다. 따라서, 본 논문에서는 비디오 시청 중 상위 20% 주의를 기울인 구간의 탐지 방법을 제안한다. 14채널의 구간 뇌파 특징을 이용한 피험자 독립적 주의 탐지 모델은 최고 평균 F1 스코어 39.79%와 평균 정확도 52.96%를 기록하였다. 그리고, 성능과 채널의 물리적 위치를 모두 고려하여 생성한 피험자 독립적 멀티 채널 모델들 중에는 좌반구의 내측전두엽, 두정엽, 측두엽, 후두엽에 위치한 4개 채널 전체 또는 일부분의 구간 뇌파 특징을 이용한 모델들이 최고 평균 F1 스코어 39.60%와 평균 정확도 48.70%를 기록하였다. 이들은 우반구의 대칭되는 4개 채널 전체 또는 일부분을 이용한 모델들과 전전두엽과 전두엽에 위치한 6개 채널을 이용한 모델 대비 높은 탐지 성능을 달성하였다.
