文献类型：期刊文章

作　　者：陈子健[1,2] 朱晓亮[1]

Chen Zijian;Zhu Xiaoliang(National Engineering Research Center for E-learning, Central China Normal University, Wuhan Hubei 430079;Information Institute, Guizhou University of Finance and Economics, Guiyang Guizhou 550025)

机构地区：[1]华中师范大学国家数字化学习工程技术研究中心,湖北武汉430079 [2]贵州财经大学信息学院,贵州贵阳550025

出　　处：《远程教育杂志》

基　　金：教育部人文社会科学研究规划基金项目“基于表情的在线学习环境认知情绪状态机器识别研究”(18YJAZH152);国家重点研发计划项目“基于大数据的教学效果评价技术”(2018YFB1004500);中央高校基本科研业务费专项资金项目“人机交互环境下融合面部表情和头部姿态的认知情绪状态机器识别研究”(CCNU18TS005);贵州财经大学校级科研基金项目“基于面部表情的学习者情绪和认知状态自动识别研究”(2018XYB09)的研究成果

年　　份：2019

卷　　号：37

期　　号：4

起止页码：64-72

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、JST、NSSD、RCCSE、RWSKHX、核心刊

摘　　要：面部表情是表达情绪的主要通道,也是用于情绪识别的一种重要信号。以计算机视觉%人工智能、情感计算等新兴技术为支撑,计算机可以通过识别学习者外显的面部表情,来判断学习者内隐的情绪状态,从而获取识别、理解学习者情绪的能力。实现基于面部表情的学习者情绪识别,首先需要在对不同情绪表征方法进行对比分析的基础上,确定适用的情绪表征方法,再对基于面部表情的学习者情绪识别的适切性进行论证。作为面部表情识别流程中的核心环节,面部表情特征提取方法分为传统的计算机视觉方法和深度学习方法两大类。梳理不同特征提取算法的特点及局限性,可以为探索适合学习者面部表情识别的特征提取算法提供借鉴,并推动学习者面部表情识别研究的发展和有效应用&当前,学习者情绪面部表情识别相关研究仍存有局限性,需要从大规模的自然的学习者情绪面部表情数据库的共建共享,并融合多种特征识别学习者情绪面部表情;从结合人工设计和自动学习两种方法,提取面部表情特征等多种路径,来提升研究深度。

关 键 词：面部表情识别 情绪识别 学习者情绪  计算机视觉  深度学习  情感计算 多模态  

分 类 号：G420]