基于机器学习的自闭症儿童情绪识别方法研究

发布时间：2021-02-23 09:52

　　自闭症是一种表现为社会交流障碍以及感官运动重复的疾病。当前自闭症发病率在全球范围内持续上升,自闭症儿童的数量也在不断增加,有资料表明,其确诊的时间越早,干预治疗的效果就越好。如今,在自闭症儿童的诊断与治疗上不断有专家提出新的思路和见解,以机器学习为代表的信息技术也在不断地融入其中。国内自闭症儿童的治疗以干预为主,但存在缺乏足够的有经验的自闭症指导教师的现状。是故本文以机器学习为主要技术背景,基于实际应用场景构建了一个衡量自闭症学生课堂中情绪表现的系统,希望通过分析自闭症儿童的课堂学习视频,对学生的情绪作出有效评判,借以辅助教师对其课堂表现进行评价和追踪,减轻教师负担。该系统以自闭症教学场景中的个训课堂为主,针对实际教学环节进行建模,并基于其构建了自闭症儿童课堂学习过程中的情感评价指标。自闭症儿童在课堂上给予的反馈主要在于动作和表情,这也是本次研究的重点。所设计的指标包括以动作为主要表现形式的参与度评分和以表情为主要表现形式的表情强度及愉悦度评分,前者以动作响应时间为衡量标准,后者依托于面部表情模型。系统的输入数据为个训课堂学习视频,在进行评分之前首先需要对自闭症儿童的动作和表情进行识别... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
中英文缩略对照表
一 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究目的与意义
    1.4 主要工作及内容安排
二 相关技术概述
    2.1 卷积神经网络概述和其在非欧里几德结构数据上的局限性
    2.2 图卷积神经网络的提出和发展
    2.3 图卷积神经网络的基本理论
    2.4 本章小结
三 基于视频的学生课堂情绪表现评价设计
    3.1 个训课堂学生评价指标的基础理论
    3.2 系统需求分析
    3.3 评价系统环境分析
    3.4 评价系统框架设计
    3.5 本章小结
四 基于特征点的动作识别和表情识别方法
    4.1 实验数据选择
    4.2基于特征点的动作识别方法实验
    4.3基于特征点的表情识别方法实验
    4.4 本章小结
五 基于视频的学生课堂表现评价实现
    5.1 数据收集和特征点提取
    5.2 自闭症儿童动作评估
    5.3 自闭症儿童表情评估
    5.4 自闭症儿童最终评估
    5.5 本章小结
六 结论
    6.1 总结
    6.2 展望
致谢
参考文献


【参考文献】：
期刊论文
[1]自闭症儿童社交机器人干预研究述评与展望[J]. 王永固,黄碧玉,李晓娟,王会军.  中国特殊教育. 2018(01)
[2]特殊教育学校自闭症儿童教育康复现状调查[J]. 宿淑华,赵航,刘巧云,黄昭鸣,陈思齐.  中国特殊教育. 2017(04)
[3]自闭症儿童结构化教学研究实验[J]. 胡晓毅,范文静.  现代特殊教育. 2016(13)
[4]虚拟现实在焦虑症和自闭症治疗中的应用研究[J]. 刘翠娟,刘箴,刘婷婷,陆涛,方昊,刘良平.  系统仿真学报. 2015(10)
[5]计算机辅助技术在自闭症儿童教育干预中的应用进展[J]. 俞蓉蓉.  中国特殊教育. 2015(09)
[6]机器人用于自闭症谱系障碍儿童社交技能干预研究的综述[J]. 范晓壮.  现代特殊教育. 2015(14)
[7]中国儿童孤独症谱系障碍患病率的系统综述(英文)[J]. 万玉美,胡强,李婷,姜丽娟,杜亚松,Lei FENG,John Chee-Meng WONG,李春波.  上海精神医学. 2013(02)
[8]儿童孤独症诊疗康复指南（卫办医政发〔2010〕123号）[J].   中国儿童保健杂志. 2011(03)
[9]虚拟现实技术在自闭症患者干预中的应用[J]. 张倩.  中国特殊教育. 2010(05)
[10]自闭症儿童沟通行为干预的研究[J]. 朱友涵,孙桂民.  中国康复医学杂志. 2009(08)



本文编号：3047397