一种基于WLLE和RAN的在线学习情感图像识别方法技术

本发明专利技术涉及在线教育技术领域，公开了一种基于WLLE和RAN的在线学习情感图像识别方法，通过对在线学习者人脸图像进行预处理，包括人脸区域检测、人脸表情区域提取等，并将预处理后的人脸图像固定裁剪为5个部分重叠的子区域；然后，利用加权局部线性嵌入算法(WLLE)对各子区域高维数据进行降维；最后，利用区域注意网络(RAN)分别提取降维后各子区域图像特征，通过自注意力机制学习每个图像区域的重要性权值，利用关系注意力模块进一步捕获重要图像区域的注意权值，进而获得目标图像的预测表示，通过softmax分类器实现在线学习情感图像识别。

【技术实现步骤摘要】

本专利技术涉及在线教育，具体为一种基于wlle和ran的在线学习情感图像识别方法。

技术介绍

1、目前，在线学习虽具有可跨越时空授课、一对一指导、点对点沟通、课程内容可反复学习等优点，但是由于教师无法直观的通过学生的姿态、面部表情等方式感知学生的学习情感，不能及时做出正向反馈，保证线上教学效果；

2、针对在线学习“情感缺失”这一问题，被大多数研究者认可、接近实用的是基于人脸表情的卷积神经网络(cnn)情感识别方法；

3、但在实际环境中，在线学习者情感识别率会随着脸部遮挡或姿态的变化等影响而降低，从而不能正确识别在线学习情感；

4、同时，以人脸表情区域图像的像素值作为图像特征会造成维度灾难，进而增加识别模型的运算量及训练时间；

5、并且如何使教师有效识别在线学习者情感是线上教学领域内的一个研究热点和亟待解决的问题。

技术实现思路

1、本专利技术的目的在于提供一种基于wlle和ran的在线学习情感图像识别方法，通过在智慧学习环境中实现学习者情感分析，有利于教师直观感本文档来自技高网...

【技术保护点】

1.一种基于WLLE和RAN的在线学习情感图像识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于WLLE和RAN的在线学习情感图像识别方法，其特征在于：所述步骤六中的图像采集设备包括摄像机、生理传感器以及声音传感器。

3.根据权利要求1所述的一种基于WLLE和RAN的在线学习情感图像识别方法，其特征在于：所述步骤二中获取情感数据的方式包括学员自主反馈、面部表情识别和生理传感器数据。

4.根据权利要求1所述的一种基于WLLE和RAN的在线学习情感图像识别方法，其特征在于：所述在线学习平台可预先采集在线学习者人脸图像录入人脸图像库，在登...

【技术特征摘要】

1.一种基于wlle和ran的在线学习情感图像识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于wlle和ran的在线学习情感图像识别方法，其特征在于：所述步骤六中的图像采集设备包括摄像机、生理传感器以及声音传感器。

3.根据权利要求1所述的一种基于wlle和ran的在线学习情感图像识别方法，其特征在于：所述步骤二中获取情感数据的方式包括学员自主反馈、面部表情识别和生理传感器数据。

4.根据权利要求1所述的一种基于wlle和ran的在线学习情感图像识别方法，其特征在于：所述在线学习平台可预先采集在线学习者人脸图像录入人脸图像库，在登录过程中识别人脸图像中人脸特征点的数据信息，与人脸图像库中图像进行比对，确认在线学习者身份，进行身份认证登录、签到。

5.根据权利要求2所述的一种基于wlle和ran的在线学习情感图像识别方法，其特征在于：所述摄像头的数量为多组，用于实时捕获学员...

【专利技术属性】
技术研发人员：丁娇，
申请(专利权)人：安徽信息工程学院，
类型：发明
国别省市：