智慧教室_基于深度学习实现课堂专注度分析+检测考试作弊系统java源码+模型+项目说明.7z 智慧教室项目的Java版本，尝试将多人姿态估计、情绪识别、人脸识别、静默活体检测等技术在java上实现。 【环境要求】 java 1.8 Deep Java Library 0.12.0-SNAPSHOT 更多详见pom.xml文件 【功能】 AlphaPose多人姿态估计 轻量化AlphaPose的SPPE 组合LPN和轻量化人脸对齐的轻量化全身姿态估计(86关键点)方法 实时流水线处理框架 多人姿态估计任务的ForkJoin并行处理 课堂19种行为的识别（基于关键点的逻辑回归方法） 头部姿态估计 rtmp视频推流 【智慧教室方案拓扑图】

狗的情绪识别数据集（根据图片判断狗狗的情绪，一共4类情绪，快乐、悲伤、愤怒、放松，。每类2000-4000张图片） 狗的情绪识别数据集（根据图片判断狗狗的情绪，一共4类情绪，快乐、悲伤、愤怒、放松，。每类2000-4000张图片）

包含完整的seed脑电数据集

改进的EM-Xception人脸情绪识别研究

“交互式情感二元运动捕捉数据库”（IEMOCAP），由南加州大学（USC）语音分析和口译实验室（SAIL）收集。该数据库是从脸、头和手上带有标记的二元会话中的十名演员记录的，这些标记提供了关于他们在脚本和自发口语交流场景中的面部表情和手部动作的详细信息。演员们表演了选定的情感脚本，还即兴创作了假设场景，旨在激发特定类型的情感（幸福、愤怒、悲伤、沮丧和中性状态）。语料库包含大约12小时的数据。详细的运动捕捉信息、引发真实情感的交互设置以及数据库的大小使该语料库成为社区现有数据库的一个有价值的补充，用于研究和建模多模式和表达性的人类交流。

目前基于人脸表情的情绪识别已经相对成熟，而根据人类肢体动作进行情绪识别的研究却不多。通过VLBP和LBP-TOP算子从三维空间中提取图像序列的肢体动作特征，分析愤怒、无聊、厌恶、恐惧、高兴、疑惑和悲伤七种自然情绪的特点，并用参数优化的支持向量机对情绪分类进行识别，识别率最高能够达到77.0%。实验结果表明，VLBP和LBP-TOP算子具有较强的鲁棒性，能有效地从肢体动作中识别人的情绪。

情感识别 使用深度学习和openCV制作的实时情感识别工具。 要求 1）OpenCV 2）火炬 3）法泰 4）Python 3 数据集和模型 如果您想使自己的模型运行make_model.py文件， make_model.py使用的数据集和经过预先训练的模型已上载到make_model.py库中。 笔记 The given model works on `Resnet34` architecture and I have used a pretrained model. 什么是预训练模型？ 预先训练的模型先前已在数据集上进行训练，并且包含权重和偏差，这些权重和偏差表示代表其被训练的任何数据集的特征。 学习的功能通常可以转移到不同的数据。 例如，在大型鸟类图像数据集上训练的模型将包含可转让的数据集（例如边缘或水平线）等学习到的特征。 为什么要使用预训练模型？ 预训练模型对我

通过训练jaffe数据库，实现识别人脸高兴、惊讶、恐惧、生气等六种表情，并圈出。可调用电脑摄像头实时监测。内附有使用说明，可以使用。仅供学习参考。

人脸检测和情绪识别模型 PaddleDetection.zip 人脸情绪识别，情绪识别。

对话情绪识别数据集.zip