54、基于卷积神经网络的学生注意力面部情绪状态识别

基于卷积神经网络的学生注意力面部情绪状态识别

1. 引言

随着技术的进步，电子学习系统为学生提供了更多的学习机会，越来越多的学生选择通过电子学习系统进行学习。只要有网络连接，学生可以在任何地方使用电子学习系统。与面对面教育相比，电子学习缺乏对学生情绪状态的实时感知。而面部情绪在学习过程中起着重要作用，学生心情愉悦时学习效率更高，反之则较低。在传统教育中，教师可以观察学生的面部表情并调整教学方法，但在电子学习环境中，实时识别学生情绪较为困难。因此，本研究旨在开发一个基于卷积神经网络（CNN）的自动化系统，通过分析学生的面部表情，实时检测学生的学习状态。

2. 相关工作

面部表情识别是情感分析的核心。相关研究提出了多种面部表情检测系统和分类方法：
- Zhu Aiqin等人 ：提出了基于简单集合理论的算法，采用基于模板的分类方法，但分类树存在无法识别所有所需情绪的缺陷。
- Jacob Whitehill等人 ：使用二元分类和机器学习方法，实现了从面部表情自动识别学生参与度，其方法在两个公开数据集上优于基于心电图的情绪识别方法。
- Al - Alwani等人 ：通过神经网络提取学生情绪，以提高电子学习系统中学生的学习倾向。
- Magdin等人 ：开发了使用相机评估用户情绪状态的软件，该技术利用神经网络实时运行。

这些研究启发我们构建一个能在实时电子学习系统中识别学生情绪状态和动机水平的面部情绪识别系统。

3. 提出的模型

我