论文部分内容阅读
在教学交互中,自动识别学生的情感状态是利用人工智能技术提升教学水平的一个重要手段。基于静态面部图像的表情识别是情感计算的主要方向,但在实际条件下,获取的图像很难满足要求,从而造成传统算法不可用。考虑到面部表情是在一定时间内完成,具备时间连续性,经过采样获得的时序图像包含了丰富的表情信息,有利于提高表情计算的准确率。基于此技术思想,提出将经过仿射变换和时序帧叠加的高质量的复合图像作为表情计算输入,提取表情特征,并设计卷积神经网络模型进行表情分类。实验结果表明,模型的总体识别率较高。相对传统方法,该成果