基于深度学习模型的自发学习表情识别方法研究

• 作者: 何秀玲 方静 李洋洋 高倩
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 面部表情识别 卷积神经网络 几何特征 完整局部二值模式 智慧学习环境
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 180-186
• 页数: 7页
• 分类号: TP3
• 字数: 5428字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.033

摘要

课堂教学环境中,面部表情自动识别是获取学习者情绪状态的重要方式.针对传统方法提取特征不全面、融合特征维度较高等问题,提出一种融合局部与全局特征的学习表情自动识别方法.该方法提取并融合表情图像的局部几何特征、KPCA降维的CLBP全局浅层纹理特征和CNN全局深度网络特征.此外,还构建一个全新的自发学习表情数据库,将课堂学习中的情绪分为困惑、快乐、疲倦、惊讶和中性等5种类型,用于CNN模型的训练.对比实验表明,该方法的识别正确率在CK+库、中国情绪图片系统和自发学习表情数据库中分别达到96.3％、86.7％和95.6％,高于传统的面部表情识别方法.该方法能够有效获取课堂中学生情绪变化,帮助教师准确全面地掌握班级学生的整体情况,促进课堂教学质量的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李洋洋	华中师范大学国家数字化学习工程技术研究中心	12	31	3.0	5.0
2	方静	华中师范大学国家数字化学习工程技术研究中心	3	14	2.0	3.0
3	何秀玲	华中师范大学国家数字化学习工程技术研究中心	34	180	7.0	12.0
4	高倩	华中师范大学国家数字化学习工程技术研究中心	6	63	3.0	6.0