[发明专利]一种基于学习过程情绪实时分析的智能化学习干预系统

权利要求书

1.一种基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，包括：

情绪数据采集部分，用于在真实学习场景下，对人脸面部跟踪，获取人脸面部动态变化数据；

自动识别处理部分，用于建立训练测试数据库、困惑情绪自动识别模型，利用该模型对情绪数据采集部分采集的数据进行处理；

情绪分析、干预部分，用于建立学习情绪分析可视化系统、给出干预策略。

2.根据权利要求1所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，对人脸面部跟踪采用人脸面部跟踪算法，该算法包括，首先识别人脸区域，然后将候选图像区域建模为像素级的网格图，采用谱滤波器来对局部图结构进行滤波来估计最佳匹配的顶点。

3.根据权利要求2所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，估计最佳匹配的顶点过程中，将谱滤波器用多项式的一组基来近似，采用切比雪夫展开式。

4.根据权利要求3所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，滤波器的参数和特征映射参数一起整合入一个最小二乘回归模型中进行学习。

5.根据权利要求1或4所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，通过给定的视频流上一帧信息的情况下，预测跟踪目标在下一帧所在的位置，实现目标跟踪；

样本训练过程：使用K个滤波器的基来对图进行滤波，然后把学习滤波器的参数和特征映射函数融合到最小二乘回归模型中，即

其中γ是正则化参数，F(X)表示串接K个滤波器的基后、在输入特征图X上的滤波响应，是K个滤波器的基，相当于样本，y是特征图类别，也呈高斯分布，如式(1.2)所示，

训练的最终目的为寻找一组权值w，因此可计算得出跟踪模型的解为：

采用梯度下降的方法迭代求解模型权重w；第一帧中的初始权重通过公式(1.3)来求解，后面每次使用上一帧中计算出的权重w来初始化，然后用迭代方法求权重。

6.根据权利要求5所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，给定一段视频的第一帧中目标的候选框位置和大小，作为滤波器输入；输出为下一帧中目标的位置和大小，

具体方法是：

①从上一帧的候选框区域提取多通道特征X；

②用公式(1.2)计算K阶的响应特征

③用公式(1.3)计算检测的得分

④找到中得分最大所对应的位置即新跟踪目标的中心坐标；在当前的中心位置提取多通道特征X；重复②；

⑤用公式(1.3)得到回归模型w；

⑥w＝(1-α)＊w+α＊w_t，其中α是模型更新的学习率。

7.根据权利要求1所述的基于学习过程情绪实时分析的智能化学习干预系统，其特征在于，建立训练测试数据库，定义数据的情绪标签，数据库用来训练、测试和验证困惑情绪自动识别模型；

建立训练测试数据库方法为：

首先选取大学N名在校研究生进行英语学科测试，男女比例为1∶1，每位被试者需完成H道英语测试题，题库由难、易、中等三种难度的选择题组成；被试人员知识水平分布为：定义高级水平的占I％，中级水平的占L％，初级水平的占M％；被试者在线作答，研究人员实时采集被试者面部视频并标记题目序号，接下来，研究对象根据情绪自我报告法定义数据标签，在测试完成后，被试者回顾试题，确定解答每道题时的学习困惑状态并记录；

测试使用的三类学习困惑标签为：困惑和不困惑、中性；

N、H均为自然数，I、L、M均为正数。