摘要：采用几何信息和纹理信息融合的混合特征,基于自回归(AR)模型,提出一种基于线段的相似度判决方法实现动态表情识别.首先在6种基本表情的图像序列训练集上进行训练得到6种AR模型,然后给定测试表情序列,对每一个测试序列通过6种AR模型生成6种预测序列,接着比较每种预测序列与实际给定序列的相似性,最终根据相似性判断所给序列的表情类别.为了更好地比较预测序列与给定序列的相似性,提出了一种基于线段的相似度判决方法.基于Cohn-Kanade+人脸表情库进行实验结果表明,该方法在动态表情识别上取得了良好的效果.

摘要：自闭症谱系障碍儿童普遍存在情绪面孔识别和理解的缺陷,是导致其社交/沟通障碍的核心来源.本研究选取了82名年龄在2～7岁的儿童,包括自闭症(ASD)儿童31名,典型发展(TD)儿童51名,基于多重因素混合设计实验,探索影响ASD儿童情绪面孔识别的主要因素及其交互作用;通过眼动追踪技术分析ASD儿童情绪面孔识别的注视特征及加工模式,以及其对情绪面孔识别任务的影响.结果发现,被试类型、表情类别及表情强度对识别正确率具有主效应,各因素间存在交互作用并共同影响ASD儿童的情绪面孔识别能力;同时情绪面孔识别正确率及反应时在性别和年龄方面存在显著差异;ASD儿童对动态表情的识别能力显著优于2D和3D静态表情,具有动态加工优势.与TD儿童相比,ASD儿童存在特异性情绪面孔加工方式,对面孔区域的平均注视点及注视时间偏低,并且多关注嘴部及无关背景信息、较少注视眼睛等特征区域,倾向于局部特征加工方式.研究结果表明,表情材料、表情类别、表情强度及被试年龄和性别等因素共同作用并影响ASD儿童的情绪面孔识别能力,并且具有动态加工和嘴部注视的优势效应;动态表情更符合真实生活情境,可以作为情绪面孔识别干预的有效训练材料;特异性的面孔加工方式及眼动特征有助于理解ASD儿童的情绪面孔识别障碍,并可以辅助ASD儿童的早期识别.

摘要：表情强度估计是面部表情分析的重要组成部分,是实现人机自然情感交互的关键技术.表情强度估计面临的主要挑战在于缺乏大量的有标签数据,难以通过有监督的方法来估计表情强度.尽管基于排序的方法能够解决这一问题,但是排序方法只能估计表情的相对强度,无法估计表情的绝对强度.为了解决上述问题,提出了一种融合排序与回归的卷积神经网络用于表情强度估计.其中,排序卷积神经网络采用孪生网络结构,用于学习序列中任意两帧图像的相对强弱关系;孪生网络的每一个子网采用回归卷积神经网络,用于学习有强度标签的样本,从而估计表情的绝对强度.为了验证方法的有效性,在公共数据集PAIN和CK+上进行了实验.实验结果表明,提出的方法在弱监督的条件估计表情强度的各项结果(PAIN数据集上PCC,ICC和MAE分别为0.6551,0.5293和0.9241,CK+数据集上PCC,ICC和MAE分别为0.7391,0.7216和0.1875),均优于现有的方法.

摘要：角点检测是实现跟踪注册的基础,被广泛应用于增强现实等环境复杂性实时系统.针对经典的Fast角点检测算法抗噪声及抗强光干扰性能差,而Harris角点检测算法实时性较差,均无法满足增强现实等环境复杂性实时系统需求的问题,提出一种结合灰度值星型辐射投影的角点检测算法.在提取图像边缘的基础上计算检测区域内所有像素点的星型投影值,通过投影值主峰区域和主峰间距的判定逐步剔除伪角点,最终实现鲁棒的角点检测.在自然场景、COIL-100数据集中的实验结果表明,该算法在实时性和鲁棒性2个方面取得了较好的检测结果,可适用于增强现实等环境复杂性实时系统.

摘要：目前儿童孤独症尚无有效的药物可以治愈,教育干预是帮助孤独症儿童提高社会互动能力的最佳手段。研究表明,通过人机交互学习进行教育干预是实现孤独症儿童康复的可行新途径。本研究以孤独症儿童的个体差异性为核心,建立互动式智能学习环境,针对提高孤独症儿童的社会互动能力设计学习目标、建立学习活动,支持儿童探索不同层次的社会互动场景;通过计算机视觉、模式识别、智能体以及多模态融合技术观察儿童的学习状态,并相应调整学习活动以满足不同儿童个体的社会认知需求。实验表明,人机交互学习活动能引起儿童兴趣,提高参与度,多模态信号比单一模态更能吸引注意力,根据个体学习状态调整学习活动能有效提高孤独症儿童的社会互动能力。该方法具有可行性与有效性。

摘要：面部表情识别障碍严重影响了孤独症儿童的人际交往与社会互动。阿凡达技术是一种将真实人物在数字世界虚拟化的技术,可为孤独症儿童的干预提供新思路。本研究将阿凡达技术融入到孤独症儿童面部表情识别的干预中,设计了基于阿凡达的干预和测评工具,采用单一被试实验法中的跨被试多基线实验设计法,对四名孤独症儿童进行了干预。结果表明,干预对研究对象产生了明显的正向效果,并具有明显的维持效果。

摘要：人工智能、虚拟现实、体感交互、"互联网+"等信息技术的发展,深刻地改变了人们生活、学习和工作的方式。技术的应用尤其是针对儿童的早期教育需要慎之又慎。技术和交互式媒介是支持儿童早期学习与发展的有效工具,但其在教育过程中如何被适宜性地使用,以有利于优化促进儿童在认知、社会、情感、生理和语言等方面的发展机会是当下需要关注的问题。该研究利用SWOT态势分析法,深入分析了人机交互技术教育应用的优势、劣势、机会和风险,指出人机交互技术的应用需遵循利用机会,发挥优势,弥补劣势,降低风险的原则,为儿童学习与发展的生态系统提供技术支撑。基于生态学理论和SWOT分析对策,构建了面向特殊儿童的多模态智能化学习平台,并设计了丰富的人机交互学习活动,实践应用表明基于人机交互技术的智能化学习平台在幼儿及自闭症等特殊儿童教育上发展空间巨大,能够有效提高儿童社会适应能力和功能发展。人机交互技术的未来教育应用应以儿童为中心,注重情感策略运用,统筹兼顾家庭、社区、学校及社会等环境因素,增强自然交互方式,丰富学习内容,使得教育回归现实生活,完善应用规范,并提供持续不断的支持与服务,为儿童的健康成长与发展,构建自然、和谐的教育新生态。

摘要：人工智能技术的发展给孤独症评估带来了新思路,目前智能化评估集中为孤独症判别二分类评估,缺乏高效、量化的精细化评估方法。研究设计开发了一款基于人工智能技术的早期社交技能量化评估系统。实验招募了28名孤独症儿童为研究对象,采集了社交技能评估视频,记录了评估过程中儿童的头部转向活动和面部表情。使用头部姿态估计、表情识别以及语音识别等技术分析评估过程中的应答性共同注意和应答性社交微笑。结果表明:(1)早期社交技能的智能化评估得分以精确的反应时间和持续时间区分呈梯度分布,评估结果客观精细;(2)准确性检验证明智能化评估得分与人工评分结果具有一致性,验证了孤独症儿童早期社交技能智能化评估的可行性。这种评估方式客观、准确、易用,为儿童早期社交技能连续性评估提供技术支持,客观量化的精细化评估结果为孤独症儿童的精准干预提供客观依据,具有很好的应用价值和现实意义。

摘要：评估是自闭症谱系障碍儿童教育干预的必要前提。基于问卷量表的评估方式对专业水平及经验依赖程度高,缺乏客观的量化指标,因此,研究采用了信息化手段探索评估的可行性。研究基于心理机能理论,设计计算机游戏评估项目,比较自闭症儿童与正常发展儿童在共同注意、心理推测、视觉配对、精细动作、认知理解、概念分类等方面发展水平的量化差异,结果表明:(1)自闭症儿童上述各项能力发展水平均低于正常发展儿童,且个体间存在显著的差异性;(2)自闭症儿童的共同注意和心理推测能力水平明显低于正常发展儿童,客观反映了自闭症的核心症状;(3)计算机游戏应用于自闭症儿童教育评估具有可行性,对制定教育干预计划意义重大。