基于情感识别的实验助理服务机器人设计与研究.pdf

摘要

摘要

在“人工智能+教育”纵向发展的今天，高校原有的教学与管理模式已经无法适

应新形势下的学科教学需要。通过对这一问题的分析，本文提出了一种新的、直观

的、行之有效的方法，以帮助教师更好地了解和掌握学生的情绪变化。如何有效地

提取出情感特征，将会对分析结果产生很大的影响。深度网络模型需要耗费大量的

网络计算时间和内存，在服务机器人中的应用还远远达不到实时监测的要求。为了

解决上述问题，本文应用深度学习理论，研究一种新型的轻量化深度网络模型，该

模型可以加强对浅层信息的提取，提高信息的完备性。本论文主要进行了如下研究：

（1）现有的大部分面部表情识别模型仅针对单一类型的数据，存在着参数众多、

计算量大等问题。将注意力机制引入到识别模型中，以增强图像中的空域和通道信

息，从而在不添加更多参数的情况下，提高对图像的特征识别能力，构建轻量级网

络模型。设计的情感识别模型通过提取人脸和面部图像中的多尺度特征，并将这些

特征进行融合表达，从而得到更高精度的表情识别。本文以CK+、FER2013公开源

数据为研究对象，采用自主研发的课堂数据集对所提算法进行训练与测试。经试验

验证，设计的轻量化多注意力融合情感模型识别效果良好。

（2）当前对情感识别研究主要基于面部表情、姿态等日常生活中的方面，但却

没有充分考虑学生在不同教学情况下所呈现的特殊心理状态。本文在教育、心理学

等领域中进行调研，总结出6种代表性的学生课堂注意力状态，将这些状态与学习

情感特征相对应，并设计了实验进行验证。对相关数据进行了采集和规范化，建立

了学生课堂注意力状态数据库。

（3）本文采用“自下而上”的方法，通过俯视、旋转等方式来获取姿态信息，

并对这些信息进行观察研究。经过实验证明，本文提出的多特征融合轻量化人体姿

态估计算法能够达到实际应用的要求。为了进一步分析真实场景情况下，设计了基

于人体姿势的自动识别系统，该系统可为对学生学习状态评估的研究提供必要的数

据支持和技术支持。

（4）在上述基础上，设计了一种基于学生情感识别的实验室助理服务机器人系

统。本系统以机器人动平台为依托，主要以面向教师和学生的需求为目标展开设计，

以实现辅助教学的功能。

关键词：深度学习情感识别智慧课堂轻量化网络姿态估计

I

Abstract

Abstract

Intodayseraofthedeepeningintegrationbetweenartificialintelligenceandeducation,

theexistingteachingandmanagementmodelsinuniversitieshavebecomeinadequatefor

meetingthenewdemandsofsubjectteaching.Inlightofthisissue,thispaperproposesa

new,intuitive,andeffectivemethodtoassisteducatorsinbetterunderstandingandmastering

theemotionalchangesofstudents.Theeffectivenessofextractingemotionalfeatureswill

haveasignificantimpactontheanalysisresults.However,optimizingdeepnetworkmodels

requiresasubstantialamountofnetworkcomputingtimeandmemory,whichisstillfarfrom

meetingtherequirementsforreal-timemonitoringinservicerobotics.