[发明专利]一种用于课堂环境下的学生面部表情识别方法及系统

说明书

本申请涉及一种用于课堂环境下的学生面部表情识别方法及系统，涉及表情识别技术领域。所述方法包括：获取学生面部图像，将学生面部图像进行表情分类放入相应地表情库；对学生面部图像进行人脸识别得到人脸识别图像；对人脸识别图像进行特征点标定，根据特征点计算相应地特征值，得到人脸图像数据集；根据人脸图像数据集对SVM训练模型进行训练，得到表情识别模型；获取课堂环境下学生面部图像，对课堂环境下学生面部图像进行人脸识别、特征点标定、特征值计算；基于表情识别模型，对课堂环境下学生面部图像进行表情类别判定。由此可以分析出学生上课的听讲状态以及理解能力，也可从学生上课质量反映出教师的教学水平。

技术领域

本申请涉及表情识别技术领域，具体说是一种用于课堂环境下的学生面部表情识别方法及系统。

背景技术

随着计算机视觉技术的快速发展，课堂环境下学生的面部表情识别也逐渐受到关注。表情识别是指从给定的静态图像或动态视频序列中分离出特定的表情状态，从而确定被识别对象的听讲状态。课堂环境中的学生表情识别，是教师与家长了解学生上课状态及过程最客观的方式。对于教师来说，在上课时随时关注学生的反应，再好的老师也不可能顾及到每一个学生。尤其是那些中等生，就更难引起老师的注意，这对他们的发展无疑是非常不利的。而通过计算机了解学生上课时的状态可以使教师了解到每一位学生的上课过程，使教师可以更有针对性的，更高效的将知识传授给每一个学生。对于家长来说，了解自己孩子的学习只能从考试成绩和与老师的交流中得知，从某种程度上来说这是非常不客观的，也是不具体的。

面部表情识别不仅可以知道学生对不同知识的理解程度，更可以发现学生对不同知识的感兴趣程度。若碰到学生感兴趣的科目，学生会体现出兴奋、积极的面部状态，如微笑等，若是学生难于理解或者不喜欢的科目，面部则会表现出消极的表情，如皱眉等。从而更客观的发现学生的长处、短处，以及兴趣点和天赋。但是针对学习表情的识别相较于基本表情有一定的难度，主要原因在于学习过程中产生的表情大多比较细微，区分度小。

发明内容

为了便于识别课堂环境下学生的面部表情，本申请提供了一种用于课堂环境下的学生面部表情识别方法及系统。

第一方面，本申请提供的一种用于课堂环境下的学生面部表情识别方法，采用如下的技术方案：

一种用于课堂环境下的学生面部表情识别方法，包括：

获取学生面部图像，按照表情类别建立若干表情库，将获取的学生面部图像进行表情分类，放入相应地表情库；

对所述表情库中的学生面部图像进行人脸识别，得到人脸识别图像；

对所述人脸识别图像进行特征点标定，根据标定的特征点计算相应地特征值，将所述特征点和特征值存放在相应表情库中，得到人脸图像数据集；

建立SVM训练模型，根据所述人脸图像数据集对所述SVM训练模型进行训练，得到表情识别模型；

获取课堂环境下的学生面部图像，对所述课堂环境下的学生面部图像进行人脸识别，并进行特征点标定，并根据特征点计算特征值；

基于所述表情识别模型，对课堂环境下的学生面部图像的特征值进行表情类别判定。

通过采用上述技术方案，首先对每个学生拍摄多张图像，进行表情分类、人脸识别、特征点标定，得到人脸图像数据集。通过人脸图像数据集对SVM训练模型进行训练，得到表情识别模型。拍摄课堂环境中的学生面部图像，对该图像进行分析，根据表情识别模型对学生表情进行判断，由此可以分析出学生上课的听讲状态以及理解能力。此外，也可从学生上课质量反映出教师的教学水平。

可选的，在对所述学生面部图像进行人脸识别步骤之前，对所有表情库中的学生面部图像进行像素归一化处理。

通过采用上述技术方案，对学生面部图像的像素进行归一化，使得学生面部图像的每个像素值都是在0到1之间，有助于后续在进行人脸识别时更加方便。

可选的，采用MB-LBP特征算法对所述学生面部图像进行人脸识别，具体识别过程包括：