[发明专利]一种基于复杂学业情绪识别方法的智能学伴机器人

说明书

本发明公开了一种基于复杂学业情绪识别方法的智能学伴机器人，包括以下步骤：步骤S1：定义复杂学业情绪模型；步骤S2：收集复杂学业情绪数据集；步骤S3：对收集的复杂学业情绪数据集进行数据预处理；步骤S4：构建基于学业情绪模型的面部复杂表情识别网络，训练得到复杂表情的识别分类结果;步骤S5：基于复杂学业情绪识别方法对智能学伴机器人进行设置；步骤S6：智能学伴机器人对用户进行情绪检测并进行反馈；步骤S7：智能学伴机器人进行学习记录与反馈，并提出建议；本发明相较于基本表情识别而言更加具有针对性；通过复杂学业情绪集进行面部识别提高了有效性；通过智能学伴机器人能够保证用户长期稳定的学习状态。

技术领域

本发明涉及一种机器人设计领域，尤其是涉及一种基于复杂学业情绪识别方法的智能学伴机器人。

背景技术

在国内外市场中，虽有适用于教育场景的智能学伴机器人不断涌现，但此类产品尚未关注到情绪对学业的关键性影响。目前此类产品主要面向幼龄儿童、中小学生等群体提供服务。在课内主打“AI+教育”的理念，提供适度的授课教学服务；在课外主要提供作业辅导（拍题搜答案）、监护辅助等辅助性教学。此类做法虽能在短期内让学习者提高效率，但也可能会造成学习者焦虑感提升等问题，并不能够让学习者长期保持健康且高效的学习状态。

例如，一种在中国专利文献上公开的“一种具有情感识别功能的人机协同学习用教育机器人”，其公告号：“CN202011072060.6”，包括一种具有情感识别功能的人机协同学习用教育机器人，通过情绪识别、视觉和听觉上的协同配合来促进用户学习效率，并在用户学习后自动生成学习报告。本发明主要是通过用户的表情以及声音语气来综合判断用户学习的情绪，对于分类以及实用性而言不够准确有效。

发明内容

本发明主要解决现有的情绪识别机器人通过声音以及语音语调来对情绪进行判断，对于基础情绪的识别来说具有较好的识别功能，考虑到情绪的复杂性，较于复杂情绪而言无法提供合适的识别手段，本发明提供一种可以识别复杂学业情绪的智能学伴机器人。本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于复杂学业情绪识别方法的智能学伴机器人，包括以下步骤，

步骤S1：定义复杂学业情绪模型；

步骤S2：收集复杂学业情绪数据集；

步骤S3：对收集的复杂学业情绪数据集进行数据预处理；

步骤S4：构建基于学业情绪模型的面部复杂表情识别网络，训练得到复杂表情的识别分类结果;

步骤S5：基于复杂学业情绪识别方法对智能学伴机器人进行设置；

步骤S6：智能学伴机器人对用户进行情绪检测并进行反馈；

步骤S7：智能学伴机器人进行学习记录与反馈，并提出建议。

通过对复杂学业情绪进行定义使得智能学伴机器人能够对不同的复杂学业情绪进行反馈。通过带有摄像头功能的机器人对于用户的面部表情进行识别判断，进而实现反馈功能。

作为优选，所述复杂学业情绪模型包括积极学业情绪，消极学业情绪以及中性学业情绪；所述积极学业情绪包括好奇、激动、专注情绪，所述消极学业情绪包括分心、困惑、焦虑、沮丧、疲倦情绪，所述中性学业情绪包括思考、发呆情绪。构建复杂学业情绪模型，并将复杂情绪分类与归纳，有利于智能学伴机器人判定用户学习状态。

作为优选，步骤S2包括以下步骤：

步骤S21：线下教学活动中，在不打扰学习者真实学习状态下进行录像，或者收集允许用于研究的课堂监控录像；

步骤S22：利用网络爬虫爬取数据，进行人工筛选有用数据；

步骤S23：利用众包方式，在平台上发布数据收集需求。

作为优选，步骤S3包括以下步骤：

步骤S31：使用面部识别工具，裁剪图像中面部区域，然后对图像进行统一缩放处理；