1. 研究目的与意义

远程教学过程中学生情绪变化与学习状态的研究一直是心理学和计算机视觉领域的研究热点。

微表情作为一种无抑制且自发的面部表情更能体现学生内心的真实想法,其对远程教学的普及、远程教学质量的提升意义重大。

然而，在微表情发生时,由于其持续时间非常短、所涉及的肌肉运动强度也非常低,使得该问题成为研究领域的难点。

2. 课题关键问题和重难点

本课题研究的内容是高校智能教学管理系统的设计与实现 ，关键研究的一是表情信息、人工智能深度学习、微表情信息、表情与微表情的自学习、历史数据更新与关联处理和其他信息的对接融合分析；二是将深度学习人脸识别技术应用于课堂评价当中。

在课堂教学中学生的情绪变化与学习状态研究一直是教师们关注的。

课堂质量评价是教育教学管理系统的关键环节，是反映教师的教与学生的学的动态过程综合的结果。

3. 国内外研究现状（文献综述）

在新课改中，有效教学一直被作为教学追求的目标，而学生课堂专注度是学生参与学习，实现有效教学的一个重要的影响因素。

国内外关于学生课堂专注度的研究，较多地是通过学生课堂专注行为来进行的。

同时，人脸检测技术经过十多年的研究热潮，相关算法已经趋近成熟。

4. 研究方案

1、主要功能在系统功能设计的过程中为了使系统的运行速度能够得到保证，微表情自动检测及识别功能与图片表情及视频表情自动识别功能都选取了离线训练在线识别的策略。

视频及图片表情自动识别功能实现原理类似于宏表情自动识别，在视频及图片表情自动识别的训练阶段，由于casmeii数据库中已经对微表情的apex frame进行了标记，因此，本文将数据集中所有的apex frame作为训练样本使用svm训练出表情识别模型;在表情自动识别特征提取部分，由于表情在图片或视频的每帧中所呈现的状态都是静态的，所以在训练阶段与识别阶段仅需提取图片或视频每帧的lbp-xy特征即可。

对于人数统计功能的实现则需要在每次人脸检测过程中，对人脸的个数进行统计。

5. 工作计划

第1周：完成开题报告。

第2周：系统需求分析。

第3周：系统总体规划。