信息技术在各个领域中的重要性日益凸显出来;而教育行业也在社会的科技化变革中取得了重大的成果。“计算机触控技术+教育”的飞速发展衍生出了大量的媒体教学产品,例如:双屏电子黑板、纳米黑板和电子白板等。在黑板推广调研中发现,在课堂中老师主要采用对学生的观察和提问与学生进行交互,必然会因个人经历的不同导致获取全体学生的学习反馈以及学习状态信息也不同,最终导致无法达到预期的教学效果。针对上述问题,在双屏电子黑板的基础上使用深度学习技术,创新性的将表情识别应用到双屏电子黑板中,既能提高教育的高效性和便捷性又能提高教师上课的效率同时还能使教师及时了解到学生们的真实表现。将表情识别应用到双屏电子黑板中具体步骤为:人脸检测、人脸面部基本表情识别、人脸表情与认知度的决策规则以及互动结果呈现。本文主要针对人脸面部基本表情识别在双屏电子黑板中的应用,研究了基于迁移学习的混合模型的人脸表情识别方法以及基于YOLOV3的人脸检测方法。主要工作如下:1.实际应用中学生们上课的图像规模较小,少量的训练数据无法支撑模型的建立。针对上述问题,本文采用了迁移学习的方式来提取特征,将已训练好的模型的参数迁移到新的模型中,锁定全部卷积层,进行迁移学习。而在训练中发现由于面部表情识别算法仅用面部特征点进行训练,训练出来的识别水平一般,因此需要提取更加复杂的特征。所以,本文提出了一种将受限玻尔兹曼机与多层全连接层相结合作为迁移学习的全连接层,与已经训练好的模型连接成为新的卷积神经网络混合模型。这种新的模型综合了两种模型中特征的学习能力,从而对图像的结构性高阶统计特征进行表情分类。2.教室中学生人数较多而且空间有限,而电子黑板采集到的学生图像因为摄像头角度问题、学生上课坐姿随意和前面同学的遮挡会影响检测模型的判断,造成图像内部数据丢失,空间层级化信息丢失,这些问题给人脸检测的精确性带来了困难。因此本文采用了空洞卷积,并在YOLOV3的基础上增加了ECANet注意力机制。3.本文基于上述表情识别算法以及人脸检测算法,设计了可用于双屏电子黑板的学生表情识别与分析系统,此系统可以对学生上课的表情实时检测,之后用本文所设计的表情识别的算法给学生的人脸表情加权重从而分析学生的上课情况,将学生的上课专注度、考勤信息以及学生基本信息等进行可视化展示,为智能黑板增加了智能互动的功能,为教师的授课提供了更多的数据可视化支持。