基于图像序列的学习表情识别

对学习者面部表情进行识别,能够判断学习者的情绪状态,分析其学习效果.针对面部表情具有持续性和时序性的特点,采用表情图像序列作为表情识别对象.通过组合网络的方式,将长短期记忆网络(Long Short Term Memory Network,LSTM)与VGGNet组合成VGGNet-LSTM模型,在此基础上进行表情识别,显著提高了识别准确率.借鉴迁移学习方法,将VGGNet通过基本表情数据集CK+进行预训练后迁移到学习表情数据集下,避免了学习表情数据集数据量不足的缺陷,解决了模型过拟合问题.