【技术实现步骤摘要】
本专利技术属于学习机和微表情分析，具体涉及基于微表情分析的学习情绪自适应调节方法及系统。
技术介绍
1、在当今数字化教育蓬勃发展的时代，学习机的在线学习系统本应成为学习者高效获取知识的有力工具。然而，当前这类系统普遍存在一个显著短板，即缺乏对学习者情绪的实时感知能力。
2、在学习的动态过程中，学习者的情绪状态对其学习效果有着至关重要的影响。积极愉悦的情绪有助于提升学习动力和专注度，而消极烦躁的情绪则可能导致学习效率低下甚至产生厌学心理。但现有的反馈式调节机制存在明显的滞后性，它往往是在学习者的情绪已经对学习过程产生较大影响之后，才能根据学习者的行为表现或成绩反馈做出调整，此时不良情绪可能已经造成了不可逆的学习损失。
3、基于宏表情的情绪识别方法虽然在一定程度上能够捕捉学习者的情绪变化，但在学习场景中却面临着低强度情绪敏感度不足的问题。学习场景中的情绪往往较为微妙和复杂，学习者可能不会像在日常生活中那样做出夸张的表情动作，宏表情识别技术难以精准捕捉这些细微的情绪变化，从而无法为学习系统提供及时有效的情绪反馈。>
4、在文件c本文档来自技高网...
【技术保护点】
1.一种基于微表情分析的学习情绪自适应调节方法，其特征在于，包括：
2.根据权利要求1所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，实时获取学习者面部视频流，并将所述学习者面部视频流分割为多个时间滑动窗口，包括：
3.根据权利要求1所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，在各个时间滑动窗口的首帧处进行面部区域检测，得到各个时间滑动窗口的首帧面部区域，并基于首帧面部区域对各个时间滑动窗口中的其余帧进行面部裁剪，以得到面部区域图像，从所述面部区域图像中选取出多个ROI区域，包括：
4.根据权利要求3所述的基...
【技术特征摘要】
1.一种基于微表情分析的学习情绪自适应调节方法，其特征在于，包括：
2.根据权利要求1所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，实时获取学习者面部视频流，并将所述学习者面部视频流分割为多个时间滑动窗口，包括：
3.根据权利要求1所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，在各个时间滑动窗口的首帧处进行面部区域检测，得到各个时间滑动窗口的首帧面部区域，并基于首帧面部区域对各个时间滑动窗口中的其余帧进行面部裁剪，以得到面部区域图像，从所述面部区域图像中选取出多个roi区域，包括：
4.根据权利要求3所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，在各个时间滑动窗口中，计算出各个帧中roi区域的稠密光流场，得到各个roi区域的光流向量矩阵，包括：
5.根据权利要求1所述的基于微表情分析的学习情绪自适应调节方法，其特征在于，在各个时间滑动窗口中，基于各个roi区域的roi区域面部局部运动矩阵，分别计算出各个帧的单帧微表情空间特征向量，包括：
...
【专利技术属性】
技术研发人员：潘红莉，
申请(专利权)人：深圳市加速率科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。