隨著計算機網絡技術的高速發(fā)展以及計算機硬件性能的快速提升,人工智能的應用越來越廣泛。情感識別作為人工智能領域最重要的研究方向之一,也開始應用在社會生活的各個領域。隨著人工智能在教育領域的逐步推進,人們也開始探索情感識別技術對教育的影響,研究如何將情感識別應用到教學過程中。了解學生在學習過程中的情感變化可以跟蹤到學生的學習專注度和學習效果,進而做出進一步有針對性的改善,實現科技驅動下的因材施教,使人工智能更好地融入教育領域,為教育領域在實現智慧教育的前進道路上保駕護航。情感識別研究的開展主要基于人的面部表情、說話的語氣語調、整體的行為動作、書寫的文本信息和生理信號方面,可以大致的分為生理信號識別和非生理信號識別。基于非生理信號的識別方法最大的優(yōu)點是操作簡單且無接觸無干擾,而生理信號一般需要接觸式的采集儀器且操作復雜,但其情感識別的可靠性要強于非生理信號,因為人們可以偽裝自己的表情、語音以及動作行為。學生在學習過程中是需要專注的,不能受到環(huán)境的干擾,所以在教育領域的情感識別中應該盡量做到無接觸式的識別。從這個角度出發(fā),本文著重研究了非接觸式情感識別的關鍵技術。首先在無接觸的情感識別方法中,... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數】：68 頁

【學位級別】：碩士

【部分圖文】：

圖１．２二維情感模型??效價維度模型的負半軸表示負面情緒，而正半軸則表示正面情緒

的六大基本情感類別Ｍ較為著名：憤怒、厭惡、恐懼、高興、??悲傷、驚訝，廣泛用于相應的計算機情感計算研宄領域。Ｐｌｕｔｃｈｉｋ將情感從三個??維度進行劃分：強度，相似性和極性，分為８樣基本情感％狂喜，警覺，悲傷，??驚奇，憤怒，恐懼，接受，仇恨。還有其他心理學家提出了不同的內在情緒分類。??離散的情感模型更簡潔，更容易理解，但是只能描述有限的各種情感，而維度的??情感模型雖然復雜卻可以直觀地表示出改變情感狀態(tài)的過程。??１．１．２情感識別方法??情感識別方法具有多種分類方式１９］，如圖１．３所示，按信號種類，可分為基??于ＥＣＧ、ＥＥＧ、呼吸、ＧＳＲ等生理數據，基于音頻、視頻、姿態(tài)等外在表現數據。??按信號數量，可分為利用某一種模態(tài)的信息來預測情感的單模態(tài)方式，利用多種??模態(tài)的信息進行情感預測的多模態(tài)方式。按采集方式，可分為實驗儀器、可穿戴??．設備等接觸式的，音視頻、毫米波等非接觸式的。??信號種類｜?｜信息數量１?｜采集方式??Ｊ?Ｍ財１?＿［掊觸式（可穿??＇＜Ｅ｜；ＥＣＧ?■？單－模態(tài)?－澉設奮等＞??ＡＫ７４：±ｊ（ｎ?＜?非接１４式（曰??ＬＬ多模態(tài)融合?Ｌ視頻、ｓ米波??Ｌ－???Ｖ?■■??圖１．３情感識別方法分類??鑒于單模態(tài)展現出的信息缺乏和對各種外部因素的不敏感性，且不同的模態(tài)??信息之間存在著互補性能，越來越多的研究將焦點聚集在多模態(tài)融合的情感識別??的場景應用上。比如說：Ｄ’Ｍｅｌｌｏ等人運用了統計學的評估方法，比較多個數??據庫中單模態(tài)識別與多模態(tài)識別的準確性，并用獲得的實驗結果驗證了多模態(tài)情??４??

？碩士學位論文??ＭＡＳＴＥＲ＇Ｓ?ＴＨＥＳＩＳ??觸的方式識別到學生的情感狀態(tài)是至關重要的。本文的研究內容就是圍繞該問題，??嘗試應用毫米波雷達技術、圖像處理技術以及神經網絡技術來實現非接觸式的情??感識別。圖１．４展示了非接觸式情感識別的整個框架。??毫米波雷達?攝像頭??回波信號面部視頻??非接觸情感感知層??Ｉ?Ｉ??彳言號處理圖片切割??心率信號?面部圖像序列??特征處理、＾?特征處王里??ＨＲ：正?｜卷積―網絡??融合特征??胃法應??情感識別結果??圖１．４非接觸式情感識別框架圖??７??


本文編號：2963878