基于面部表情识别对视频流中学生听课情绪进行分析

来源 :现代计算机 | 被引量 : 0次 | 上传用户:apworld
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
教学过程中教师通过观察学生面部表情可以了解学生的学习情绪从而做出相应的教学决策,但教师不能记录每个学生听课中表现出来的情绪变化,特别是在在线教育中存在情感缺失的问题,从而导致做出的决策稍显片面。本文提出将面部表情识别技术应用于学生学习情绪识别,首先收集学生在真实课堂中听课时的面部表情数据建立训练数据集,进而搭建相应的神经网络模型进行实验。最后在真实数据集上进行了多组和SVM模型的对比实验并应用于在线流媒体平台,实验结果表明本文提出的方法能获得较高的准确率。
其他文献
针对传统单一的LSTM算法在股票预测中存在预测不平衡,容易陷入局部最优值二而导致的预测准确率偏低的问题,提出了一种基于时序集成森林的股票多类别预测算法。该算法分为两部分,首先是随机森林改进的LSTM进行股票的收盘价预测;其次,根据第二天预测的收盘价与前一天的收盘价对比得到涨跌信号;最后将LSTM提取的时序特征与涨跌信号输入集成森林进行股票的涨跌预测。该算法充分利用了LSTM提取时序特征的能力、随机森林的拟合能力以及集成森林的分类能力。最后在平安银行股票数据上进行了实验,结果表明,本文提出的算法优于单一的L
在电力场景下,由于光线变化、相似度高,导致传统算法准确率较低。针对这种情况,提出一种小样本目标检测方法,采用迁移学习的精简模型自动提取物品的特征,可以克服环境变化的干扰,能准确地识别目标,为实现电力场景下作业机器人智能作业奠定基础。实验证明相对于传统方法,本文方法在保证识别速度的同时准确率可提升8%。
利用微反应器设计了连续合成二甲基二烯丙基氯化铵的新工艺,考察了反应温度、物料摩尔比、停留时间对反应的影响,并通过单因素条件对实验工艺进行优化.结果 表明,较优的实验