基于ConvLSTM网络的维度情感识别模型研究

• 作者: 米珍美 赵恒斌 高攀
• 来源期刊: 计算机工程与应用
• 关键词: 连续维度情感识别 ConvLSTM 深度学习 学业情绪 维度情感数据库
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 工程与应用|Engineering and Applications
• 页码范围: 289-296
• 页数: 8页
• 分类号: TP3-05
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2005-0200

摘要

学业情绪能够影响和调节学习者的注意、记忆、思维等认知活动,情绪自动识别是智慧学习环境中情感交互和教学决策的基础.目前情绪识别研究主要集中在离散情绪的识别,其在时间轴上是非连续的,无法精准刻画学生学业情绪演变过程,为解决这个问题,基于众包方法建立真实在线学习情境中的中学生学习维度情感数据集,设计基于连续维度情感预测的深度学习分析模型.实验中根据学生学习风格确定触发学生学业情绪的学习材料,并招募32位实验人员进行自主在线学习,实时采集被试面部图像,获取157个学生学业情绪视频;对每个视频进行情感Arousal和Valence二维化,建立包含2178张学生面部表情的维度数据库;建立基于ConvLSTM网络的维度情感模型,并在面向中学生的维度情感数据库上进行实验,得到一致性相关系数(Concordance Correlation Coefficient,CCC)均值为0.581,同时在Aff-Wild公开数据集上进行实验,得到的一致相关系数均值为0.222.实验表明,提出的基于维度情感模型在Aff-Wild公开数据集维度情绪识别中CCC相关度系数指标提升了7.6％～43.0％.