[发明专利]学习画面调整方法、装置、计算机设备及存储介质

权利要求书

1.一种学习画面调整方法，其特征在于，所述方法包括：

通过摄像头采集学习者学习时的面部图像，并获取当前学习画面；

提取所述面部图像中的人脸区域，并将所述人脸区域输入至人脸情感识别模型中，得到所述学习者的学习情感；

将所述当前学习画面输入至画面情感识别模型中，得到所述当前学习画面的画面情感，并提取所述当前学习画面中的视觉特征；

根据所述学习情感、所述画面情感、所述视觉特征更新视觉情感偏好数据库，得到目标视觉情感偏好数据库；

根据所述目标视觉情感偏好数据库确定目标学习画面，并将所述当前学习画面调整为所述目标学习画面。

2.根据权利要求1所述的学习画面调整方法，其特征在于，所述方法还包括：

获取注册指令，并根据所述注册指令展示信息录入界面；

通过所述信息录入界面获取注册信息，并根据所述注册信息建立所述视觉情感偏好数据库。

3.根据权利要求2所述的学习画面调整方法，其特征在于，所述根据所述学习情感、所述画面情感、所述视觉特征更新视觉情感偏好数据库，得到目标视觉情感偏好数据库，包括：

提取所述视觉情感偏好数据库中的初始学习情感、初始画面情感、初始视觉特征；

分别比较所述学习情感与所述初始学习情感、所述画面情感与所述初始画面情感、所述视觉特征与所述初始视觉特征之间的差异，并得到比较结果；

根据所述比较结果更新所述视觉情感偏好数据库，得到目标视觉情感偏好数据库。

4.根据权利要求1所述的学习画面调整方法，其特征在于，所述提取所述面部图像中的人脸区域，包括：

采用基于Haar矩形特征的AdaBoost算法提取所述面部图像中的人脸区域；

其中，所述AdaBoost算法的训练步骤包括：

步骤一：输入样本(x₁,y₁)，(x₂,y₂)，…，(x_n，y_n)，其中x表示实例，y表示标识，y_i取值为1或0，表示正负样本；

步骤二：初始化权重值w_1，i，其中，初始化公式为：

步骤三：开始迭代循环t＝1；

步骤四：归一化权重，其中，归一化权重公式为：

步骤五：对每个特征j，训练一个只使用一个单一特征的分类器h_j，得到本次分类的误差，误差计算公式为：e_j＝∑_iw_i|h_j(x_i)-y_i|；

步骤六：选择误差e_j最小的分类器，并更新权重；权重计算公式为：其中，e_i＝0表示分类正确，e_i＝1表示分类错误，β_t＝e_t/(1-e_t)；

步骤七：t＝t+1；

步骤八：若tT则转向步骤四；

步骤九：得到最终的分类器，其中，分类器公式为：

5.根据权利要求1所述的学习画面调整方法，其特征在于，所述人脸情感识别模型、所述画面情感识别模型均为采用卷积神经网络模型训练得到的。

6.根据权利要求1所述的学习画面调整方法，其特征在于，所述提取所述当前学习画面中的视觉特征，包括：

计算所述当前学习画面中基于颜色的颜色视觉特征、基于形状和边线的形状视觉特征以及基于纹理的纹理视觉特征；

从所述当前学习画面中提取所述颜色视觉特征、所述形状视觉特征以及所述纹理视觉特征。