發(fā)布時(shí)間：2017-06-26 21:13

  本文關(guān)鍵詞：基于面部表情的遠(yuǎn)程教育輔助系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息技術(shù)的不斷發(fā)展,移動(dòng)設(shè)備為現(xiàn)代遠(yuǎn)程教育賦予了新的發(fā)展方向,然而現(xiàn)代遠(yuǎn)程教育中往往忽略了教師和學(xué)生的情感交流,教師不能根據(jù)學(xué)生的學(xué)習(xí)反應(yīng)做出相應(yīng)的反饋,將情感計(jì)算引入到遠(yuǎn)程教育中,建立起和諧的人機(jī)交互教育模式,能夠?qū)W(xué)習(xí)者的學(xué)習(xí)產(chǎn)生積極作用。在情感表達(dá)中,面部表情最能顯露情感信息,因而我們主要研究情感計(jì)算中的面部表情問題,而面部表情識(shí)別技術(shù)主要分為面部圖像預(yù)處理、面部表情特征提取以及表情特征分類三個(gè)步驟。本文采用了基于矩陣特征的Adaboost人臉檢測(cè)算法,檢測(cè)出輸入圖像的人臉信息,采用Haar小波濾波法對(duì)人臉信息進(jìn)行圖像去噪,然后采用最近鄰差值法對(duì)去噪后的圖像進(jìn)行縮放標(biāo)準(zhǔn)化。在面部表情特征提取階段,本文通過對(duì)比基于外觀表現(xiàn)方式的線性判別法(LDA, Linear Discriminant Analysis)和主成分分量方法(PCA, Principal Component Analysis)[1],線性判別法提取出的特征具有較高的面部表情識(shí)別效果。其次,在表情特征分類算法上,我們實(shí)驗(yàn)對(duì)比K最近鄰(KNN, K-NearestNeighbor)分類算法和支持向量機(jī)(SVM,Support Vector Machine)算法,支持向量機(jī)分類算法對(duì)面部表情分類的準(zhǔn)確率相對(duì)較高。最后,本文在蘋果公司提供的開發(fā)平臺(tái)Xcode下開發(fā)出一個(gè)能夠?qū)崿F(xiàn)面部表情識(shí)別的遠(yuǎn)程教育輔助系統(tǒng)APP,用來進(jìn)行教學(xué)活動(dòng),可以讓學(xué)習(xí)者不受時(shí)間和空間的約束來進(jìn)行學(xué)習(xí)的同時(shí),可以得到學(xué)習(xí)者的反饋信息,進(jìn)而一定程度上緩解了遠(yuǎn)程教學(xué)活動(dòng)中的情感缺失問題。本文主要的研究?jī)?nèi)容如下：第一章主要介紹了研究背景和意義；第二章對(duì)相關(guān)理論基礎(chǔ)和開發(fā)所需相關(guān)技術(shù)進(jìn)行闡述；第三章對(duì)本系統(tǒng)中的核心技術(shù)面部表情識(shí)別技術(shù)相關(guān)算法進(jìn)行對(duì)比研究；第四章對(duì)本文的輔助系統(tǒng)APP進(jìn)行需求分析和開發(fā)實(shí)現(xiàn)；本文的第五章是本文的總結(jié)和展望。
【關(guān)鍵詞】：現(xiàn)代遠(yuǎn)程教育 情感計(jì)算 面部表情識(shí)別 IOS 輔助系統(tǒng)
【學(xué)位授予單位】：中央民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：G434
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 第1章 緒論11-16
• 1.1 研究背景與意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-13
• 1.3 本文研究?jī)?nèi)容13-14
• 1.4 論文結(jié)構(gòu)安排14-16
• 第2章 理論基礎(chǔ)及相關(guān)技術(shù)16-22
• 2.1 遠(yuǎn)程教育概述16-17
• 2.2 情感計(jì)算在遠(yuǎn)程教育中的應(yīng)用17-18
• 2.3 開發(fā)技術(shù)概述18-21
• 2.3.1 IOS系統(tǒng)框架簡(jiǎn)介18
• 2.3.2 Objective-C與XCode簡(jiǎn)介18-19
• 2.3.3 OpenCV介紹19-20
• 2.3.4 配置OpenCV20-21
• 2.4 本章小結(jié)21-22
• 第3章 面部表情識(shí)別技術(shù)22-38
• 3.1 圖像預(yù)處理22-25
• 3.1.1 人臉檢測(cè)算法23
• 3.1.2 圖像去噪23-24
• 3.1.3 圖像歸一化24-25
• 3.2 表情特征提取25-29
• 3.2.1 PCA算法26
• 3.2.2 線性判別算法26-27
• 3.2.3 相關(guān)實(shí)驗(yàn)27-29
• 3.3 表情特征分類29-37
• 3.3.1 KNN近鄰算法30-32
• 3.3.2 支持向量機(jī)算法32-35
• 3.3.3 實(shí)驗(yàn)結(jié)果分析35-37
• 3.4 本章小結(jié)37-38
• 第4章 輔助系統(tǒng)APP的開發(fā)38-45
• 4.1 遠(yuǎn)程輔助系統(tǒng)概述38-40
• 4.1.1 系統(tǒng)需求分析38-40
• 4.1.2 系統(tǒng)設(shè)計(jì)目標(biāo)40
• 4.2 系統(tǒng)功能實(shí)現(xiàn)40-44
• 4.2.1 用戶注冊(cè)、登錄40-41
• 4.2.2 課程查詢41-42
• 4.2.3 課程學(xué)習(xí)42-43
• 4.2.4 學(xué)習(xí)狀態(tài)查詢43
• 4.2.5 個(gè)人信息43-44
• 4.3 本章小結(jié)44-45
• 第5章 總結(jié)與展望45-47
• 5.1 本文總結(jié)45-46
• 5.2 本文展望46-47
• 參考文獻(xiàn)47-51
• 致謝51

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 姜玉琴;趙清永;;面部表情在第二語言教學(xué)中的運(yùn)用[J];科教文匯(上半月);2006年11期

2 趙書輝;李蘭蘭;付秀華;;教師的面部表情探析[J];科教文匯(下旬刊);2009年10期

3 冀春花;;淺談如何運(yùn)用面部表情來激發(fā)幼兒的情感認(rèn)識(shí)[J];讀與寫(教育教學(xué)刊);2013年08期

4 王展;;喜怒無常的面部表情——卡通面部表情練習(xí)[J];中國(guó)校外教育(美術(shù));2010年04期

5 ;日本研制美女機(jī)器人演員有65種面部表情[J];科學(xué)大眾(中學(xué)生);2012年06期

6 朱荷芳;;“凝重”與“尊重”[J];早期教育(教師版);2012年09期

7 陳躍進(jìn);運(yùn)眼“傳神”的藝術(shù)[J];四川教育;1985年06期

8 糜天壽;;畫兒童面部表情教案[J];江蘇教育;1985年23期

9 詹姆斯·施里夫;紀(jì)偉國(guó);;面部表情是人類的普遍“語言”？[J];國(guó)外社會(huì)科學(xué)文摘;2006年01期

10 王紅琴;;教學(xué)中的面部表情之我見[J];漯河職業(yè)技術(shù)學(xué)院學(xué)報(bào);2012年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張松林;張忠秋;;世界頂級(jí)男子跳水三米板運(yùn)動(dòng)員奧運(yùn)會(huì)決賽面部表情特征研究[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(2)[C];2011年

2 王翔南;;人類表情與情緒的相關(guān)性探討[A];中國(guó)心理衛(wèi)生協(xié)會(huì)第四屆學(xué)術(shù)大會(huì)論文匯編[C];2003年

3 王振宏;田博;崔雪融;;3-6歲幼兒面部表情指認(rèn)與命名能力的發(fā)展特點(diǎn)[A];第十一屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

4 孟昭蘭;閻軍;孟憲東;;中國(guó)兒童面部表情模式制作及分析[A];全國(guó)第五屆心理學(xué)學(xué)術(shù)會(huì)議文摘選集[C];1984年

5 張竇斐;孫丹;李文輝;蔣重清;;快速反應(yīng)條件下動(dòng)態(tài)呈現(xiàn)阻礙面部表情加工的腦電研究[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

6 嚴(yán)t榯，

本文編號(hào)：487618