基于图像序列的学习表情识别

• 作者: 张峰 王素琴 石敏 高宇豆
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 表情识别 学业情绪 图像序列 迁移学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 1322-1330
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-VR0470

摘要

对学习者面部表情进行识别,能够判断学习者的情绪状态,分析其学习效果.针对面部表情具有持续性和时序性的特点,采用表情图像序列作为表情识别对象.通过组合网络的方式,将长短期记忆网络(Long Short Term Memory Network,LSTM)与VGGNet组合成VGGNet-LSTM模型,在此基础上进行表情识别,显著提高了识别准确率.借鉴迁移学习方法,将VGGNet通过基本表情数据集CK+进行预训练后迁移到学习表情数据集下,避免了学习表情数据集数据量不足的缺陷,解决了模型过拟合问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王素琴	华北电力大学控制与计算机工程学院	16	57	5.0	6.0
2	张峰	华北电力大学控制与计算机工程学院	22	110	8.0	9.0
3	石敏	华北电力大学控制与计算机工程学院	26	182	8.0	13.0
4	高宇豆	云南电网有限责任公司信息中心	2	0	0.0	0.0