引言
人脸表情识别技术已成为近年来模式识别和人工智能相关领域的研究热点问题之一。人脸表情在人类的内心情感世界中起着传递媒介的作用,通过人脸表情识别可以获得个体的各种即时情绪情感状态,从而使个体的学习过程充满各种即时性信息。如今,伴随着“互联网+教育”时代到来,人脸表情识别同样也可以应用于教育领域中,强大的人脸表情识别技术支持使得课堂教学和在线教学更加有序高效。人脸表情识别技术应用于课堂教学和在线教学中,教师可通过观察学生脸部表情变化及时了解学生的真实心理活动,进而能准确掌握学生对知识点的理解,并采取有效的手段来提高教学效果,使教学活动过程变得更加有趣和高效。
1.人脸识别技术内涵
面部识别技术是一项非常重要的生物识别技术，涉及虹膜、视网膜、眉毛、鼻子、脸骨以及肤色等重要特征，是一种以计算机和生物识别技术为基础的技术。图像的采集、特征提取、身份确认以及检索是整个系统的重要组成部分。基于几何识别、3D人脸识别、多层次人脸识别等多种识别方法是目前较为常用的人脸识别方法。目前，比较成熟和使用较多的是神经网络的辨识。首先，文章以几何辨识为基础，通过分析面部器官的特征轮廓的分布比例，进而构造一个基于几何学的数学模型。这种方法相对简单，即使在光线不充足的条件下也能很好识别，但是它的识别精度会受到面部表情和姿态的影响。而神经网络的辨识是将神经元转换成计算机代码，并利用生物神经网络进行仿真，可以避免对复杂的特征进行数据抽取，但神经网络的数目太多，因此需要耗费大量时间，运算速度过慢，且各参数的判定不一致。其次，三维面部识别技术。该方法具有不受光照、面部表情、角度等因素的影响，同时存在购置相关系统的费用，以及传输流程、速度缓慢等问题。最后，多重分类器的辨识。利用数据库中的数据进行合并或拼接，从而获得相应的图像信息。在数据收集过程中，将数据分为几类，并与分类数据库中的数据进行比较。虽然这种方法的精度很高，但数据的存储和传输速度太慢。需要注意，在实际应用中，使用者需要根据自己的需要选择更适合的方法。
2.人脸表情识别的要素
在20世纪70年代中期,著名美国心理学家Ekman通过实验将人脸面部表情划分为6类:高兴(Happy)、悲伤(Sad)、害怕(Fear)、生气(Angry)、厌恶(Disgust)和惊讶(Surprise)。人脸表情可传达人类的特定情感信息,比如高兴通常指听到好消息或者见到想见的人,一般会通过舒展眉头、眼存笑意与嘴角上扬来表达。基于此,人们不断的优化发展着人脸表情识别技术。在这个研究分析过程中,表情数据集是人脸表情识别研究中一个至关重要的环节。其中较为典型的有20世纪90年代Lyons等人建立的一个以日本女性为代表的表情数据集（JAFFE）。该数据集共收录日本女性的213张图像,其中包含10名日本女性在相同环境下做出的高兴、悲伤、中性、厌恶、愤怒、恐惧以及惊讶这7种表情,每一种表情大约包含30张图像。
3.人脸表情识别技术在教育中的应用场景分析
3.1课堂教学
传统课堂教学主要是一种教师“讲”与学生“听”的面对面教学形式。通过与学生面对面的互动交流,教师可以从学生的表情、神态以及语言中获取到学生是否理解领会所学知识,同时也可进行表情与情感分析,及时调整教学节奏、调动课堂气氛与调整教学策略。传统的这种情感分析往往是基于教师实践经验后的积累,面向的是学生群体的大部分,无法照顾到学生个体的个性化需求。借助于人脸表情识别技术的课堂教学应用,可对学生学习状态做出及时反馈和调整,例如对教学内容疑惑时,学生表情为眉头紧皱、头部倾斜；对教学内容理解时,则表情为展眉愉悦、头部上扬；对教学内容厌恶时,表情为眉头微皱、头部低下等。人脸表情识别技术在面对面课堂教学中应用,便于教师对学生进行即时情感分析与教学反馈,显著地提升教学的效果和质量。
3.2宿舍管理
因为学校的安全管理困难程度大，校内的人员进出比较混乱，所以容易产生一些问题。例如，一些学校的东西丢失或公共设备被偷走，有可能是学生所为，也有可能是校外社会成员。而人脸识别技术可以从某种意义上解决这一问题，可以在宿舍安装监控，随时记录宿舍的情况，主要利用红外摄像机来实现。红外摄像机不管是白天还是晚上，都可以监控和记录，一旦有人经过，就会根据特定的程序扫描人脸的大小、位置、面部器官。如果出现不安全的情况，则可以提取这段时间的视频，并与警方的身份数据库进行比对，从而确定嫌疑人的身份。这种监控设备能够很好保障校园内的治安，实际上并不只限于学生宿舍，在校园和教室等多个场所都可以安装监控设备，不仅能够记录盗窃和破坏公共物品的情况，而且能够在一定程度上震慑不法分子，从根源上消除不安全的隐患。因此，在宿舍的管理中，使用人脸识别技术是非常有必要的。
4.人脸表情识别技术的教育应用问题对策
4.1识别应用的定位性要明确
要真正解决人脸表情识别技术在课堂教学中应用的实践定位不明确的问题,具体措施如下：①调整教学策略。在人脸表情识别技术应用于课堂教学中,当获取到学生表情后,教师应第一时间对其表情做出判断,然后根据学生表情采取相应的教学策略进行教学,以便课堂教学效果达到最优化。②进行情感交流。课堂教学中情感交流这一环节尤为重要,许多教师会因个人精力不足无法照顾到每个学生的情绪,忽视学生课堂的情感反馈,导致教学效果不佳。人脸表情识别技术在课堂教学中的应用充分解决这一大难题,教师应重视其技术应用反馈结果,进而加强与学生之间的情感交流。
4.2识别应用的支持度要深入
人脸表情识别技术在学校日常生活中的应用并不是很普遍,要实现人脸表情识别技术在学校生活中的广泛应用,需要加强其对学校生活中应用的支持度。首先,需要解决资金问题。人脸表情识别技术的引入必然会耗费大量的人力与物力,学校需要有强大的资金扶持方可成功引入该技术。其次,制定意外情况发生的防治措施。避免意外情况带来的种种挑战,学校需安装发电系统,以保证人脸表情识别技术的正常运行,避免停电等情况带来的不必要损失。
结束语
人脸识别技术是当前计算机视觉研究中的一个热门课题，但由于环境、光线、姿势、年龄、表情以及化妆等综合因素，使得面部识别技术在未来的发展中仍有很大的发展空间。随着图像处理技术、视觉检测技术、模式控制技术以及机器学习技术的发展，人脸识别技术将会得到更好的应用。将人脸识别技术应用于校园，能有效改善和优化校园中各类工作人员的工作效率，充分运用科技手段保障校园的安全与稳定。
参考文献
[1]徐琳琳,张树美,赵俊莉.基于图像的面部表情识别方法综述[J].计算机应用,2017,37(12):3509-3516+3546.
[2]叶继华,祝锦泰,江爱文,等.人脸表情识别综述[J].数据采集与处理,2020,35(1):21-34.
[3]阮静.基于计算思维培养的人工智能课程设计实践探究——以《人脸识别》一课为例[J].中国现代教育装备,2021(22):18-20.
[4]于洋.人脸识别医疗应用初步探讨[J].中国信息化,2021(11):80-81.
