简介：摘要：本文题目为基于tensorflow的人脸表情识别算法的研究,通常科学家把面部表情识别主要将表情划分为七个种类，整个人脸表情识别研究将会划分为四个过程：数据预处理、卷积神经网络的搭建、模型的训练与人脸表情的识别界面的设计，第一部分包括对数据集的预处理和利用卷积网络搭建的神经网络与训练模型，第二部分为加载模型进行人脸表情识别测试，其中创新点就是使用pyqt5进行GUI界面设计封装，增加系统的界面简洁性与用户体验感。其中最大的难点就是搭建卷积神经网络与训练的过程花费的时间。

简介：摘要：现如今，我国正实行“互联网+”市场发展模式，人脸识别技术成效也逐渐显著，但是面部表情的识别仍然属于技术难点。在解决面部表情识别问题时，单一特征描述的提取能力有限，现对面部表情识别技术进行探索研究。

简介：摘要：

简介：运用《大学生羞怯量表》对160名大学生进行问卷调查,选取20名高羞怯组大学生、20名低羞怯组大学生参与E-prime实验程序,以研究不同羞怯水平大学生在面孔表情识别上的差异.结果显示：不同羞怯水平大学生的面孔表情识别存在显著差异;个体对不同强度的表情图片的识别存在显著差异;个体对低强度正性表情的反应时显著大于对高强度及中强度正性表情的反应时,对低强度负性表情的反应时显著大于对高强度负性表情的反应时.研究结果表明：羞怯水平、表情的强度与性质对大学生的面孔表情识别有重要影响。

简介：游戏目的锻炼宝宝的识别能力。7个月的宝宝已经能够识别亲人的面部特征，通过一些表情变换游戏，可以让宝宝对表情的认识更为深入，还可以帮助宝宝缓解面对陌生人时产生的焦虑。这种游戏有利于宝宝识别他人的情绪，为他掌握良好社会交往技能奠定初步的基础。

简介：抑郁症患者的情绪信息加工已成为前沿科学问题和研究热点,其特异模式或许可以作为检测抑郁的有效指标。研究发现,与正常人相比,抑郁症患者对正性情绪信息的反应水平以及对情绪表情（尤其是悲伤表情）的辨别能力都有所降低,不仅抑制负性情绪的能力受损,而且在社会情境下精确判断面部表情微弱改变的能力也受损。本文系统梳理了有关抑郁症患者面部表情识别研究及其主要发现,并借鉴对精神分裂症患者微表情识别训练的研究结果提出有必要开展抑郁症患者微表情识别及训练的研究,最后分析该领域目前存在的问题并提出未来研究展望。

简介：摘要：随着大数据时代的到来，人工智能、深度学习研究领域逐渐成为热门。本研究从参数对模型准确率的影响角度来改进模型，数据集采用的是CK+公共人脸数据集，将数据集除去蔑视后，每张照片取最后三张峰值图最终整理得到愤怒、厌恶、恐惧、快乐、悲伤、惊讶六类共计927张48×48格式图片。以该数据集为样本在VGG16模型的基础上综合finetune和bottleneck两种优化策略，探究包括训练集测试集的比例、模型输入的尺寸、锐化翻转等不同的变换方式、Dropout参数对模型准确率的影响，最终模型准确率从开始的89.07%提高到了93.60%，能够完成人脸基础表情的识别任务。

简介：学习情绪是学习者模型的重要内容,如何识别学习者的学习情绪是下一代智能教辅系统的关键技术。困惑是最常见的学习情绪之一,及时识别并解决困惑有助于提高学习效果,然而困惑情绪内隐性较强,识别难度较大。本研究设计了一组基于在线测评的困惑诱导实验,提出了一种基于面部表情的学习困惑自动识别算法。研究人员通过设定不同难度的测试题诱导被试产生困惑情绪,同时利用摄像设备实时捕捉学习者的面部表情,提取面部重要特征点,进而利用机器学习算法进行困惑识别。在实验中,本研究使用逻辑回归、支持向量机、K近邻、决策树、随机森林和深度学习等机器学习算法建立学习困惑自动检测模型,并与被试自我报告确定的困惑标签进行对比。实验结果表明,多数分类算法能有效检测学生的学习困惑,随机森林模型的预测性能最佳,平均准确率为71.18%。本研究所提出的方法可为下一代智能教辅系统的学习者情绪建模提供技术支撑。

简介：在一眨眼的功夫,人们就可以很容易地辨认出他人面孔所表达出的情绪信息,这种日常经验导致了许多人认为情绪知觉是既定的,独立于语言这种概念的加工。然而最近有研究者提出了相反的假设,认为语言是表情识别的一个背景。在本文中回顾了语言对表情识别存在影响的观点和各种证据,然后提出了一些尚待解决的问题。

简介：摘要：为了避免传统的表情识别中复杂的显式特征提取过程，文中提出了一种用于人脸表情识别的卷积神经网络( CNN) 。首先，对人脸表情图像进行归一化预处理，并使用可训练的卷积核提取隐式的特征。然后，采用最大池化方法对提取的隐式特征进行降维处理。最后，采用 Softmax 分类器对测试样本图像的表情进行分类识别。使用图形处理器( GPU) 在 CK + 人脸表情数据库上进行了实验，结果表明了 CNN 用于人脸表情识别的性能和泛化能力。

简介：在人与人的现实交往中,面部表情是除了语言以外的重要的传递信息的方式,作为信息的载体,它能够传递诸多语音所不能传达的信息。面部表情识别在动画影视创作中,让一些人工智能技术通过某种手段能够自动地识别出人的表情,进而分析人的情感,推断人的心理状态,从而实现人机之间的智能交互。本文通过对面部表情图像的分析,使这些图像模型更生动地刻画动画角色,建构人物形象,表现人物思想感情,能够使动画作品在赏心悦目的同时达到与观众的审美共鸣。

简介：摘要：心理健康对军校学员的健康成长起着至关重要的作用，但学员心理危机日益凸显。为了防止和减少心理危机引起的现实危机，本文分析了当前军校心理危机预警的现状，对微表情识别技术进行了介绍。提出将微表情识别用于分析学员心理活动和真实情感，从而进行心理危机预警。

简介：摘要：科技在迅猛发展，社会在不断进步，人脸表情识别在人机交互、智能教育和影音娱乐等方面有着广泛的应用，是计算机视觉领域的研究重点。人脸表情序列中存在大量的冗余信息，找到人脸表情序列中的峰值表情能够有效提升人脸表情识别的准确度。为了准确定位峰值表情在人脸表情序列中的位置，提出通过计算表情变化过程中人脸关键点信息的变化来选取处于峰值表情的人脸图像，即关键帧选取方法，同时设计一个Baseline网络结构进行特征提取，用于验证自适应关键帧选取方法的有效性。在MMI和CK+数据集上的实验结果证明了所提方法的有效性。

简介：摘要：本文主要对现代教学评价管理系统中的表情识别技术应用进行分析。包括系统架构设计、系统数据采集、系统数据分析以及评价结果生成等。希望通过本次的分析，可以为表情识别技术的合理应用与现代教学评价管理质量的提升提供一定参考。

简介：摘要精神科医生对患者的观察是做出诊断的重要依据。但患者面部表情的改变往往是微妙且难以察觉的，自动面部表情识别系统则可作为一种辅助识别某些精神疾病的手段。面部表情是情感表达的重要方式之一，且不受文化背景、先天性失明等因素的影响。随着计算机科学的发展，面部表情识别方法亦在不断进步，其中，基于深度学习的面部表情识别，以其强大的信息处理能力，利用可训练的特征提取模型从图像和视频中自动学习表征来完成分类，极大地减少了对于面部物理模型和其他预处理技术的依赖。文章着重综述了面部表情识别系统在精神分裂症、抑郁症、边缘型人格障碍、孤独症谱系障碍、焦虑症、强迫症等疾病的诊断和治疗中的研究进展，以期进一步探索面部表情识别技术在精神科领域和远程心理干预方面的拓展应用。

简介：利用ERP技术对16名被试在不同注意负荷下对动态表情识别的脑时程特点进行了考察,结果发现：N170成分不受注意负荷和表情效价影响;低注意负荷条件下动态表情加工早期负性表情诱发的EPN成分（earlyposteriornegativity）显著大于中性、正性表情,后期高级分析阶段正、负性表情均诱发明显的LPP成分（latepositivepotentials）,且负性较正性表情诱发更大的LPP成分;而在高注意负荷条件下并未发现表情识别诱发明显的EPN或LPP成分。这些结果说明,动态表情识别明显受到注意资源调节,只有在注意资源不断增加时表情加工才会出现注意偏向效应,尤以负性表情的加工优势最为凸显且持久,正性表情相对微弱和短暂。

简介：同学们在QQ上神聊的时候，是否感觉自己的表情不够靓也不够酷？别急，让“多多QQ表情”来帮助你吧！“多多QQ表情”是一款免费软件，为你提供超炫QQ表情，只需轻轻点击就能导入到QQ表情中，导入完毕就能在QQ聊天时使用了，它会让你在好友面前很面子的哟。

简介：微表情是一种非常快速的面部肌肉运动，持续时间仅为1/25秒至1/2秒，表达了个体试图压抑和隐藏的真实情感。在警务巡逻盘查活动中，通过对盘查对象面部微表情进行识别可以快速筛选出重点盘查对象并做到提前预警，从而提高巡逻盘查效率，降低民警的执法风险。目前，由于微表情识别在我国警务巡逻盘查中的实践应用及理论研究尚属空白，因此在实际运用中可能会出现以下困难：一是盘查过程中易犯“奥赛罗错误”；二是盘查对象的可识别率低；三是盘查结果的准确率低。对此，在巡逻盘查过程中，民警应学会合理施加刺激源，善于识别盘查对象的虚假表情，善于隐蔽观察并结合盘查对象的其他微动作进行识别。

简介：摘要： 本课题利用 Gabor算法和 LBP算法对人脸的外貌特征进行提取，实现对课堂视频中人脸的微表情的识别。学生课堂人脸表情识别作为学生学习专注度的一个判断依据，也是课堂教学评价的一个依据，从而实现更加有效的教学，提高教学的质量。

简介：摘要：本研究旨在深层次探讨人脸表情识别技术的特征、局限性和未来发展趋势。根据对目前技术的详细分析，包含算法原理、实体模型架构设计等方面详尽研究，进一步探讨了这一技术在人机交互技术、情感计算、社会心理学研究等方面的广泛运用，调查了该预期效果和潜在影响。与此同时文中思考了目前系统软件中出现的光转变、脸部遮蔽等问题和挑战，阐述了其在多种具体场景下的运用窘境。最终本研究旨在未来展望人脸表情识别技术的行业发展趋势，探讨新起技术的整合和交叉学科研究，通过对这些目标深层次研究，能够为人脸表情识别技术的进一步发展给予基础理论适用与实践具体指导，以适应市场需求的持续复杂而多元化。