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: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: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: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。