情感分析在心理学、语言学、神经学等众多学科中都具有重大应用,而表情是人们日常了解对方情感的主要媒介。近年来,由于计算机软硬件的蓬勃发展,让计算机“读懂”人类的情感成为了可能。计算机理解人类情感的途径主要有计算机视觉以及语音处理两大类。通过计算机去区分人的面部表情即表情识别/情感识别是通过计算机视觉的方式向计算机解析情感。通过图像处理及模式识别技术进行机器自动表情识别已有近40年的研究历史,它也一直是计算机图像领域的研究热点。机器自动识别面部表情不仅能对已有的材料进行情感分析,而且能够进一步增强人机交互的友好性和智能性。百年大计,教育为本。情感作为教学活动中的一种重要的非智力因素,它能够促进学习者的学习动机、创设优良的教学情境、推动学习者的认知和人格的健康发展。对于传统教学、网络教学有着重大意义。为了有效评估教学中学生的情感状态,本文以真实的课堂场景为基础,提出了一种基于视频流的真实课堂视频场景下的情感识别方法,具体工作有:不同与以往的研究把表情分为六大类,在实际课堂中像惊讶、害怕这样的表情在课堂上出现的次数非常的少。即便出现对学生学习状态的判断意义也不大。因此本文的第一个工作是根据实际数据重定义表情,使得检测结果符合学生课堂上经常出现的面部表现的同时也能表达出学生的学习状态。第二,针对自然课堂中出现的小分辨率人脸场景,本文改进了在自然环境下的人脸对齐即人脸特征点检测方法以提取人脸的形状特征。文中创新采用双层级联卷积神经网络检测68个人脸特征点,与同时期人脸对齐领域文章比较特征点定位准确度有了很大的提升。最后,对课堂视频数据源中出现的小分辨率人脸做增强预处理,然后利用改进了的人脸特征点检测算法计算特征点位移,结合时序形状特征LBP-TOP对课堂中学生人脸的情感进行了集成分类,并达到较好的分类准确度。