基于面部表情的学生课堂专注度评价研究

作者：韦宁燕; 韦洪浪

来源：信息与电脑(理论版), 2022, 34(21): 176-179.

DOI：10.3969/j.issn.1003-9767.2022.21.056

• 表情识别
• 局部二值模式(LBP)
• 局部相位量化(LPQ)
• 支持向量机(SVM)

本文将表情识别技术应用于课堂教学，建立了一个基于面部表情的学生课堂专注度评价系统，可以给教师提供更加准确和实时的教学评价。首先使用局部二值模式（Local binary patterns,LBP）和局部相位量化（Local Phase Quantization,LPQ）提取图像特征，其次将其融合成为一个新特征并送入支持向量机（Support Vector Machine,SVM）分类器进行表情识别，最后计算专注度得分，并进行学生课堂专注度评价。通过实验，实验结果证明使用该算法进行学生课堂专注度评价是相对可行的，可以为教师的教学评价提供一个客观公正的依据。

• 单位
  桂林理工大学南宁分校; 桂林理工大学博文管理学院