人脸表情识别技术在教学质量分析中的应用

人脸表情识别技术一直以来都是人机交互领域的热门技术、关键技术。近些年来,人脸表情识别在教学质量分析、心理分析得到了广泛关注。特别是教学质量分析,通过对课堂上学生的表情分析,可以得到课堂教学质量、效率等关键信息。要针对课堂上的学生识别人脸表情并进行表情分析,在课堂上所能得到的人脸图像大多是非正面的,为了更好地得到教学质量信息,就要对正面和非正面的人脸图像进行人脸表情识别。鉴于此,文章首先介绍了人脸表情识别技术、表情特征提取和分类方法,然后介绍了非正面人脸表情识别技术以及现有的非正面人脸数据库,最后总结了教学质量分析中人脸表情识别方法的研究现状,并对进一步的教学分析研究和发展方向进行了展望。     

一种具有噪声鲁棒性的人脸表情识别算法研究

为降低噪声对人脸表情识别的影响,首先提出具有人眼视觉特性的各向异性扩散滤波方法,对图像进行滤波预处理;同时采用改进HOG算子提取人脸表情特征。实验结果表明,改进的各向异性扩散滤波算法在滤除噪声的同时能更好地保留表情图像的弱小细节信息,改进HOG算子相比传统特征提取算子可以更准确地描述人脸表情特征。因此,该算法是一种有效的、具有一定噪声鲁棒性的人脸表情识别算法。     

表情识别技术在铁路售票窗口中的应用

针对铁路窗口售票服务质量的问题,提出一种售票窗口服务质量的表情识别监测系统.该系统通过售票窗口外侧的摄像头检测到人脸图像时,表情监测系统每隔一定的时间就会通过安装在售票窗口内的摄像头获取监控范围内的帧图像信息,由表情识别监测系统对图像进行处理和识别,将识别后的结果进行数据统计.基于表情识别技术的监测系统在铁路售票窗口的应用,不仅能够提高售票员的服务质量,也能够让旅客在购票的过程中体验到舒适感.     

基于二次多项式模型的人脸光照归一化

 根据人脸光照变化非线性的特性,本文提出用二次多项式模型来描述非正面光照条件下的人脸图像与正面光照条件下的人脸图像在对应象素点灰度之间的关系,进而提出一种人脸光照归一化方法.本方法的一个重要特点是独立于先验的物理模型而通过建立统计回归模型来学习不同光照图像之间的关系.此外,提出用基于PCA的方法对光照归一化后的人脸图像进行加权补偿,进一步改善图像的视觉效果.在Extended YaleB和CMU-PIE人脸库上的实验结果表明,新方法在改善人脸视觉效果同时能大大提高人脸识别准确率.     

基于表情识别技术的教学效果反馈研究

随着人工智能技术的飞速发展,人脸表情识别技术的应用越来越广泛。学校是学生的聚集地,人脸表情数据的来源充足,为表情识别技术的研究提供了数据支撑。文章以课堂实录视频为研究对象,采用K210检测人脸进行表情特征提取及分类,借此对课堂质量进行等级评分,并以皮尔逊积矩相关系数验证课堂质量等级评分与教师评价的相关性,最终进行教学效果反馈的研究。     

人脸表情识别的技术特征及其教育应用场景分析

人脸表情识别技术应用于教育场景的过程中,存在课堂教学表情识别的应用与实践定位不明确、在线教学表情识别的精准度有待于提升、学校生活应用支持度不高与教育大数据隐私等问题,亟待需要深入分析并加以解决。目前,行之有效的解决措施有：人脸表情识别技术识别应用的定位性要明确、精准度要提升、支持度要深入、技术性要适度4个方面。     

融合时空特征的视频序列表情识别

针对视频表情识别,静态特征不能有效描述人脸区域沿时间轴动态变化信息的局限,该文提出一种融合动态纹理信息和运动信息的表情识别方法,借鉴LBP-TOP原理,提出具有时空域描述能力的时空韦伯局部描述子(STWLD)来提取动态纹理信息,同时采用分块光流直方图(BHOF)描述运动信息,最后利用SVM对融合后的纹理和运动信息完成表情分类。在CK+和MMI表情数据库上的交叉实验结果表明,相比基于单一特征的识别方法,所提方法取得了更好的效果;与其他相关方法的对比实验也验证了该方法的优越性。     

三维面部表情识别技术的研究进展

三维采集设备的快速发展,极大推动了三维数据技术的研究。其中,以三维人脸数据为载体的三维面部表情识别研究成果不断涌现。三维面部表情识别可以极大克服二维识别中的姿态和光照变化等方面问题。对三维表情识别技术进行了系统概括,尤其针对三维表情的关键技术,即对表情特征提取、表情编码分类及表情数据库进行了总结分析,并提出了三维表情识别的研究建议。三维面部表情识别技术在识别率上基本满足要求,但实时性上需要进一步优化。相关内容对该领域的研究具有指导意义。     

基于Gabor的判别保局投影算法在表情识别中的应用

本文提出一种基于Gabor的判别保局投影（GDLPP）算法,来进行表情特征的提取和降维。先利用Gabor小波变换来提取表情特征。再对局部保持投影（LPP）算法进行改进,在目标函数中引入散度差来增加样本的类间散度约束,使得在降维的同时提取出更具判别性的特征。     

结合多层池化的卷积神经网络在表情识别中的应用

为了解决传统卷积神经网络(Convolutional Neural Network,CNN)对于人脸微表情识别的泛化能力差的问题,提出了一种改进的Inception结构与残差结构结合的卷积神经网络方法.首先在改进的Inception结构的基础上将输入特征直接映射到输出结果中构成残差结构,并针对表情局部特征复杂模糊等不足...     

人脸表情识别方法

介绍了表情识别特点及研究现状;重点阐述了不同的人脸表情特征提取方法和基于分类器的表情识别方法,并对各种方法进行了简单的分析比较;最后针对鲁棒性的需求,给出了人脸表情识别未来要研究的重点内容。     

多姿态、光照不均人脸图像的子空间人脸识别方法研究

针对人脸识别中存在的光照不均匀问题,提出了一种预处理链技术,能达到很好的光照补偿效果。为了提高多姿态、多表情、多细节人脸图像的人脸识别率,设计了一种将最近邻分类器与支持向量机相结合的分类算法（NN-SVM）,基于该分类算法提出了一种基于Gabor变换和NN-SVM的子空间人脸识别方法。在FERET和ORL两大人脸数据库中对所提方法进行性能评估,实验结果表明所提出方法能有效的解决人脸识别中光照不均匀问题,大大的提高人脸识别率,而且相比其他现存的人脸识别方法,所设计的方法具有更好、更稳定的识别效果。     

支持向量鉴别分析及在人脸表情识别中的应用

模式识别一般首先要对数据进行降维,PCA和LDA及其对应的核化算法是其中应用广泛的方法,但这些算法的应用前提是假设样本数据为高斯分布,在少样本训练时它们的推广性能有很大局限.本文提出了一种基于支持向量机的鉴别分析算法,该算法首先寻找有限样本情况下最优分类面,以其法线方向为投影轴对数据进行投影降维,在多类情况下提供了极其丰富的方案选择投影轴.该算法体现了支持向量机的内在优良推广性能,克服了PCA和LDA等算法的局限性.本文将所提算法应用于人脸表情特征提取,并与PCA、LDA、KPCA、GDA等算法进行了比较,结果表明该算法的有效性.     

融合人脸局部区域的表情识别

本文提出了一种融合人脸各个局部区域的表情识别方法,首先提取眼睛、鼻子和嘴巴三个局部区域,并对这三个局部区域和整个人脸区域分别进行表情识别,得到四个独立的识别结果,再利用融合策略对四个结果进行决策融合,所提方法在日本女性表情数据库JAFFE库和五邑大学人脸表情数据库CED_ WYU库上进行了广泛的实验,结果表明,通过融合人脸各局部区域的识别结果,表情识别率可以得到显著提高.     

几种数理统计方法应用比较

在武器装备检验验收中,数理统计方法得到广泛的应用,对批量性产品而言尤其如此。各种数理统计方法都有自己的特点和使用范围,采用不同的方法,会有不同的工作效果,甚至得出不同的结论。该文通过对几种典型方法的比较分析,以便从中选择适合雷达装备测试性的验收方法。     

人脸面部表情自动识别技术的研究进展

近年来，面部表情识别技术已成为模式识别领域中的一个重要的研究课题，因此表情识别的研究进展也受到了更多的关注。首先介绍了表情识别技术的背景及目前的研究进展，然后介绍了一些表情识别的主要的方法，并介绍了面部表情识别技术的难点，最后对表情识别技术进行了展望。     

结合FSVM和KNN的人脸表情识别

为了提高人脸表情的正确识别率,提出了一种组合模糊支持向量机(FSVM)和K-近邻(KNN)的人脸表情识别的新方法.该方法通过主成分分析(PCA)提取人脸表情特征,对于待分类的不同区域,根据区分程度自适应划分为不同区域类型;并结合FSVM和KNN算法的特点,对不同区域类型切换分类算法.实验表明,此方法既能保证分类的精确度,又能简化计算复杂度.     

基于活动外观模型的人脸表情分析与识别

分析了用活动外观模板(AAM)提取的人脸表情特征来进行人脸表情识别(FER)的可行性,尝试了以此特征向量为基础的FER。根据人脸图像的特点．先用特征眼的方法定位眼睛区域,再采用AAM的优化算法获取新对象的特征,缩短了AAM方法定位新对象的优化时间,提高了定位的准确度。采用秩相关分析和非度量多维标度(nMDS)等多变量统计学方法分析得出AAM方法提取的表情特征能够很好地表达表情的变化,并构造了神经网络分类器对人脸表情图像进行识别实验,得到93．5％的识别率。     

基于小波能量特征和FLD的人脸表情识别

提出一种能量特征和Fisher线性判别法(FLD)相结合的面部表情识别方法,首次提出了小波能量特征在表情识别中的应用.鉴于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,把小波能量特征加入到原始图像中,再用FLD进行特征提取.通过在日本JAFFE人脸表情库的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)上进行实验,验证了该方法的有效性.它不仅能获得高的表情识别率,而且过程简单,易于实现.