远程教学过程中学生情绪变化与学习状态的研究一直是心理学和计算机视觉领域的研究热点。微表情作为一种无抑制且自发的面部表情更能体现学生内心的真实想法,其对远程教学的普及、远程教学质量的提升意义重大。然而,在微表情发生时,由于其持续时间非常短、所涉及的肌肉运动强度也非常低,使得该问题成为研究领域的难点。本文提出基于局部关键区域特征的微表情检测及识别方法来解决现有的基于全局区域特征的微表情检测及识别方法在实际应用中所存在的问题,并利用所提方法设计与开发一个基于微表情的智能教学管理系统,来对远程教学过程中学生的课堂情感信息进行有效的检测与识别。本文所做的主要研究工作如下:(1)目前,现有的基于全局区域特征的微表情检测及识别方法会降低所提特征对于微表情的描述能力。为解决其存在的问题,本文根据主观形状模型所检测到的人脸特征点坐标以及微表情发生时脸部动作编码系统的运动特征,将与微表情发生时所牵扯的6个局部关键区域划分出来。在此基础上,对于微表情检测部分,分别提取出所划分的局部关键区域的局部二值模式特征,然后对所提特征进行特征差异分析来实现微表情的检测;对于微表情识别部分,首先分别提取出所划分的局部关键区域的三个正交平面的局部二值模式特征,然后将所有局部关键区域所提特征进行串联构成特征向量,最后使用支持向量机对特征向量进行分类来实现微表情的识别。(2)在自发的微表情数据库CASMEⅡ上进行了方法对比实验。实验结果显示:本文所提出的基于局部关键区域特征的微表情检测及识别方法其对微表情的检测与识别效果明显优于基于全局区域特征的检测及识别方法,充分说明了微表情发生时只会涉及到局部关键区域的运动特征,使得所提方法更具有实用性。(3)以国内外课堂心理学研究为依据将课堂学习状态划分为喜欢度、投入度、理解度三个维度,并结合微表情数据库CASMEⅡ上所定义的七种基本微表情来对课堂情感进行复合评价;以所提方法及情感体系为依据,为了使系统功能更加完备,将系统功能拓展为微表情自动检测、微表情自动识别、图片表情自动识别、视频表情自动识别、人数统计5个部分;最终,实现了基于微表情的智能教学管理系统。