深度學習支持下的情感識別探討

陳艷

摘要：隨著人工神經網絡技術的發展，深度學習逐漸成為人工智能領域的研究重點。在情感識別領域，深度學習也有著極為強大的理論與技術優勢，其能夠顯著提升情感識別的準確性。同時，深度學習下的情感識別對于智慧化學習環境的營造有著積極意義，所以將之應用到教育教學工作中是切實可行的。本文對深度學習進行了簡單介紹，并分析了當前情感識別的研究進展，進而對深度學習支持下的情感識別構建和應用展開探討。

關鍵詞：情感識別;深度學習;智慧化學習

中圖分類號： TP18? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）06-0183-03

Abstract： with the development of artificial neural network technology， deep learning has gradually become the research focus in the field of artificial intelligence. In the field of emotion recognition， deep learning also has very strong theoretical and technical advantages， which can significantly improve the accuracy of emotion recognition. At the same time， emotional recognition under deep learning has positive significance for the construction of intelligent learning environment， so it is feasible to apply it to education and teaching. This paper briefly introduces deep learning， analyzes the current research progress of emotion recognition， and then discusses the construction and application of emotion recognition supported by deep learning.

Key words： emotion recognition; deep learning; intelligent learning

引言

在現代教育中，各種新技術的應用使得整個教育教學與學習環境都更為智慧化，如通過大數據技術分析學生的學習狀況然后給予針對性的輔導和教學調整。不僅如此，依靠現代技術所創設的智慧化學習環境更傾向于對學習者綜合素質能力加以引導和培育，即通過智慧化的學習環境讓學習者可以自主組織學習、進行思考并優化學習方法，在此過程中學習者的創新能力、解決問題能力、決策力以及思辨性都將得到顯著提升。然而，智慧化學習環境的創建離不開對學習者情感的判斷，因為學習者覺得學習在極大程度上是受情感進行支配，情感將影響學習者的注意、知覺、表象、記憶、思維以及語言等一系列認知活動，所以智慧化學習環境創設中對學習者的情感識別就成為其能否提升學習者學習效率的關鍵。在現代智能技術中，深度學習為情感識別提供了一種更強大的技術支撐，其能夠實現對學習者情感更準確地識別，因此加強深度學習支持下情感識別的研究更有助于為學習者創設出更智慧化的學習環境，而這也是未來人類教育教學領域需要研究和探索的重要課題。

1 深度學習概述

深度學習是人工神經網絡發展的更高級階段，其相關算法、理論與應用也是近年來才開始取得較大突破的，并且在短時間內為現代人工智能與大數據技術提供了強大發展動能。深度學習最早被提出是在2006年加拿大學者的研究中出現的，加拿大學者辛頓等在研究中提出了一種“深度置信網絡”的神經網絡模型，并以之來完成數據降維。在其研究中將這一神經網路模型的特點歸結為兩方面：一是有著較多隱層的神經網絡結構，具有獨特特征的學習能力，且能夠有效獲取圖像的本質特征;二是可以通過“逐層初始化”來不斷克服深層神經網絡的訓練難度。這一研究使得深度學習成為人工智能時代的研究主流，并且在后續的實踐中進一步證實了深度學習的巨大潛力。實際上，深度學習就是針對擁有深層次結構的模型進行訓練的一種方法的統稱，其在發展過程中誕生了多種神經網絡結構模型與算法，并使得深度學習能夠模擬人類神經網絡進行各種復雜圖像特征提取和處理，從而進行更多復雜內容的識別。如卷積神經網絡（CNN）就可以對手寫字符、人臉、車牌等進行準確識別。

2 情感識別研究進展

情感是人類智能的最典型標志，也是人類所特有的一種復雜特征。實際上，人類的情感所反映的是人在社會活動中對客觀事物所抱有的一種態度，是客觀事物所引起人一種心理反應的外在表現形式。其與人的思想認知是有著緊密關聯的。同時由于人獨有的思維意識的存在，使得人的情感識別難度極大，因為人的主觀能動意識可以對自身情感進行一定的演示。所以在對人類情感進行識別的過程中，需要賦予現代科學技術以識別、理解、表達情感的能力，而這也正是現代人工智能中所面臨的最大難題。就學習者的情感而言，其主要是由學習者學習過程中所學習的客觀對象對其自身心理產生影響的一種外在表現，而這種表現最直接的反映將就是學習者面部的表情。而目前針對情感識別的研究則主要是圍繞生理信號、外在行為以及相關心理測量來展開的。而在利用人工智能技術進行情感識別中，最早進行的研究就是從人的外顯行為即面部表情、語音表情、姿勢表情等著手。

在利用面部表情進行情感識別的研究方面，國內外學者都進行了大量研究。如孫波等就依據艾克曼提出的面部表情編碼系統進行了情感分析框架的構建，這一框架涉及感知層、傳輸層、數據層、分析層與應用層，同時以張量分解算法進行表情的識別。此外，荷蘭學者巴雷尼等利用網絡攝像頭與麥克風構建出學習者的學習框架FILTWAM，這一框架可以從學習者面部表情與語言表達層面進行情感的識別。印度學者則將面部表情與生理信息結合起來進行分析識別，使情感識別的依據維度進一步拓展。

此外，國內外學者還從心理測量、認知評價等方面對情感識別進行了研究，但這些方法中的主觀成分較多，因此很難得到最準確的識別結果。對此，利用深度學習進行情感識別則成為一個全新的研究領域，且深度學習在內容識別上的優勢也為情感識別提供了更有力的技術支持。

3 基于深度學習的情感識別訓練

在利用深度學習理論進行情感識別的過程中，其主要需要解決兩方面問題，一是情感數據庫的構建，二是參數訓練。

3.1情感數據庫的構建

在進行人類情感數據庫構建時，首先需要對人的情感類型進行分類。在這一方面，國內外已經有了各種研究。如艾克曼就曾在研究中將人的基本情感分成六種，即高興、驚訝、悲傷、憤怒、恐懼、厭惡。而伊扎德又將人的情感類型進行了拓展，提出了害羞、輕蔑、興趣與自罪感。這些情感的分類都情感數據庫的構建有借鑒意義。但在深度學習下的數據庫構建中，除了需要結合情感分類外，還需要進行情感對應表情特征數據庫的構建。如在數據庫構建過程中將情感總體分成常態、高興、憤怒、悲傷、驚恐、專注、厭倦七個類型，然后按照男女性別選擇一定數量的表情采集對象并對這些采集對象在不同情感下的表情進行圖像采集。每種表情下每個人的表情圖像采集也需要進行不同強度表情的圖像采集，然后再將這些表情圖像全部納入深度學習的測試樣本之中以進行后續的參數訓練。

3.2 參數訓練

參數訓練是深度學習完成的重要環節，關系到最終情感識別的有效性和準確性。在具體操作中，首先需要將前期數據庫構建時采集到的圖像進行預處理，并將之統一成一樣像素的RGB圖像。其次，從現有素材中對每個圖像不同角落進行截取以對圖像總數進行進一步拓展，擴大訓練樣本數量。最后，利用Matlab軟件進行樣本訓練，最終完成整個深度學習下的情感識別系統創建。

4 深度學習支持下的情感識別應用

深度學習支持下的情感識別最終還是要應用到具體的學習環境中，用以營造更為智慧化的學習環境。尤其在當前教育教學領域缺少對學生情感足夠關注的情況下，利用情感識別技術對學生學習過程中的情感進行把控，能夠為其營造出更為智慧化的學習環境并提升教育教學效率。具體而言，深度學習支持下的情感識別應用應從以下幾方面展開：

4.1進行學生模型構建

在智慧化學習環境中，學生作為環境服務的主體，其學習特征模型將直接決定深度學習下情感識別作用的發揮。因此情感識別在具體應用中就應該重視對學生學習特征模型進行構建。具體而言，實踐中應該將學生在學習過程中的各種特征信息如性別、年齡、知識水平、認知能力等都納入特征信息范疇內，同時還要盡可能地拓展與完善學生學習的特征信息。尤其在智慧化學習環境的打造中，學生的學習情境、偏好、情感、學業信息、關系信息、知識狀態等也都應該考慮在內。而深度學習下情感識別的應用就是要求智慧化學習環境構建中要不斷更新與完善學生在情感方面的特征信息模型，從而使情感識別能夠有效通過情感來分辨學生的學習狀態，進而為教育教學工作者調整教學方法，優化學習環境提供依據。

4.2 強化學生學習中的情感交互

學生的學習過程是動態化的，雖然素質教育強調發揮學生的主觀能動性，但學生學習過程中的情感狀態也是不容忽視的。尤其在智慧化學習環境的營造中，更要求根據學生的學習狀態去為其提供幫助，調整其學習狀態，因此教育教學和學習環境營造中與學生的情感交互也是十分關鍵的。具體而言，深度學習支持下的情感識別需要準確地對每個學生的學習狀況進行監測，根據其學習過程中的情感變化來準確判斷其學習情況，進而為教師和智慧化學習環境提供相關數據。然后教育教學人員根據數據來對學生提供更為個性化、智慧化的教育教學服務，并給予其情感問題的解決，使學生學習中形成與教師和學習環境的良好情感交互，從而讓學生的情感得到調節，始終保持良好的學習狀態。從這一角度講，深度學習支持下的情感識別應用實際上是為教育教學者優化教學提供了一個重要的手段，有助于現代教育中轉變以往重知識而輕情感的狀況，進而提升教育教學工作的科學性和人性化水平。

4.3 挖掘學生學習行為背后的潛在信息

學習行為是學生在某種動機引導下而產生的一系列學習活動的總稱。是學生內在思想與心理活動的外在表現。因此，學生學習行為往往蘊含著許多潛在信息。在以往的智慧化學習環境中，雖然依靠大數據手段也能夠對學生的學習情況進行反饋，但卻不能對學生學習行為背后的潛在信息即學生的思想與心理活動等進行反饋，這就使得教育教學所提供的服務往往缺乏有效性。因此將深度學習支持下的情感識別應用到智慧化學習環境中，就可以透過學生的情感信息來挖掘其學習行為背后的潛在信息，進而為教育教學工作提供更為科學有效的學生信息。實踐中，情感識別需要將每一種情感背后所對應的學生行為信息進行完善，然后依靠情感識別所得到的情感數據去深入挖掘學生情感行為背后的相關心理活動、思想狀態，進而找到學生的現實需求并為其提供針對性的學習資源供應，從而在最大程度上提升教育教學的智慧化水平。

5 結束語

綜上所述，深度學習理論和相關技術的誕生有助于人工智能領域實現對人類情感的準確識別。而這種情感識別應用到教育教學過程中則可以對學習者學習過程中的情感狀態進行準確識別，從而更有效地反映出學習者的學習狀態。這一技術在教育教學實踐和智慧化學習環境營造中的應用將進一步改善當前教育教學工作的現狀，并提升教育教學工作水平，推動教學改革。因此，相關領域應在未來進一步加大對該技術的研究力度，從而使其能夠更廣泛地應用到不同的學習場景中。

參考文獻：

[1] 鄔晶晶.基于深度學習的情緒識別技術[D].中國科學院大學（中國科學院深圳先進技術研究院），2020.

[2] 劉元震.基于深度學習的人臉面部情感識別的研究[D]. 哈爾濱：哈爾濱工業大學，2017.

[3] 林平榮，侯志，文貴華.基于深度學習的情感識別開放平臺[J].計算機工程與設計，2016，37（6）：1510-1514.

[4] 陳曉東.基于卷積神經網絡的語音情感識別[D].廣州：華南理工大學，2015.

【通聯編輯：唐一東】