-
公开(公告)号：CN109805944A
公开(公告)日：2019-05-28
申请号：CN201910002542.5
申请日：2019-01-02
Applicant: 华中师范大学
Abstract: 本发明提供一种儿童共情能力分析系统，包括：情绪感知能力分析模块，用于自动化分析儿童对给定刺激材料中情绪的感知能力；认知能力分析模块，用于分析儿童的认知能力；表情模仿能力分析模块，用于自动分析儿童对情景中出现的表情进行模仿的能力。本发明采用模式识别方法分析儿童的多模态信号，能自动地分析儿童对情绪的感知能力、共情认知能力以及表情模仿能力，能够提高儿童共情能力分析的客观性和准确性，为共情缺陷儿童的共情干预提供可靠依据。
-
Patent Agency Ranking
公开(公告)号：CN109657586A
公开(公告)日：2019-04-19
申请号：CN201811505978.8
申请日：2018-12-10
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于排序卷积神经网络的人脸表情分析方法及系统，属于图像处理与模式识别领域。本发明将感兴趣的表情与其它类别的表情进行拼接，从拼接的人脸表情序列中选取任意两帧图像作为输入，采用排序卷积神经网络训练表情强度排序模型，单一的表情强度排序模型能够实现对感兴趣表情的强度估计，联合多个表情强度排序模型能够实现对表情类别的估计。本发明能够同时对表情的类别和强度进行估计，在最大化保留人脸表情信息的同时消除个体差异以及环境噪声，从而提高表情分析的正确性和鲁棒性，具有极强的现实应用前景。
-
公开(公告)号：CN109805944B
公开(公告)日：2021-10-29
申请号：CN201910002542.5
申请日：2019-01-02
Applicant: 华中师范大学
Abstract: 本发明提供一种儿童共情能力分析系统，包括：情绪感知能力分析模块，用于自动化分析儿童对给定刺激材料中情绪的感知能力；认知能力分析模块，用于分析儿童的认知能力；表情模仿能力分析模块，用于自动分析儿童对情景中出现的表情进行模仿的能力。本发明采用模式识别方法分析儿童的多模态信号，能自动地分析儿童对情绪的感知能力、共情认知能力以及表情模仿能力，能够提高儿童共情能力分析的客观性和准确性，为共情缺陷儿童的共情干预提供可靠依据。
-
公开(公告)号：CN108399376B
公开(公告)日：2020-11-06
申请号：CN201810124929.3
申请日：2018-02-07
Applicant: 华中师范大学
Abstract: 一种学生课堂学习兴趣智能分析方法，其特征在于，包括以下步骤：采集教室内场景图像，在场景图像中定位人脸；在人脸区域中估计头部姿态，根据头部姿态评估学生的认知注意力集中程度；在人脸区域中估计面部表情，根据表情评估学生的学习情绪；记录学生在课堂上互动答题的频率与正确率，根据答题的频率与正确率评估学生的参与度；融合学生的认知注意力、学习情绪和课堂参与度三维信息，分析学生的学习兴趣。本发明还提供了一种实现上述方法的系统。应用本发明能够客观地、实时地、准确地对课堂上学生的学习兴趣进行监控与分析，为授课教师提供及实时反馈，帮助其及时调整教学方式以提高教学效果。
-
公开(公告)号：CN108399376A
公开(公告)日：2018-08-14
申请号：CN201810124929.3
申请日：2018-02-07
Applicant: 华中师范大学
Abstract: 一种学生课堂学习兴趣智能分析方法，其特征在于，包括以下步骤：采集教室内场景图像，在场景图像中定位人脸；在人脸区域中估计头部姿态，根据头部姿态评估学生的认知注意力集中程度；在人脸区域中估计面部表情，根据表情评估学生的学习情绪；记录学生在课堂上互动答题的频率与正确率，根据答题的频率与正确率评估学生的参与度；融合学生的认知注意力、学习情绪和课堂参与度三维信息，分析学生的学习兴趣。本发明还提供了一种实现上述方法的系统。应用本发明能够客观地、实时地、准确地对课堂上学生的学习兴趣进行监控与分析，为授课教师提供及实时反馈，帮助其及时调整教学方式以提高教学效果。
-
公开(公告)号：CN109657586B
公开(公告)日：2022-02-18
申请号：CN201811505978.8
申请日：2018-12-10
Applicant: 华中师范大学
Abstract: 本发明公开了一种基于排序卷积神经网络的人脸表情分析方法及系统，属于图像处理与模式识别领域。本发明将感兴趣的表情与其它类别的表情进行拼接，从拼接的人脸表情序列中选取任意两帧图像作为输入，采用排序卷积神经网络训练表情强度排序模型，单一的表情强度排序模型能够实现对感兴趣表情的强度估计，联合多个表情强度排序模型能够实现对表情类别的估计。本发明能够同时对表情的类别和强度进行估计，在最大化保留人脸表情信息的同时消除个体差异以及环境噪声，从而提高表情分析的正确性和鲁棒性，具有极强的现实应用前景。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
