人机交互式孤独症儿童语言能力动态评估研究

语言沟通障碍是孤独症儿童核心特征之一。基于最近发展区理论的动态评估比传统的静态评估更能发现儿童的发展潜能,同时,孤独症儿童比较易于接受电子设备,所以文章提出基于人机交互游戏的孤独症儿童语言能力动态评估方法,以便及时发现儿童的语言发展潜能并给予个性化干预。研究选取37名3~7岁不同能力水平的儿童,通过孤独症行为核查量表将其分为:非孤独症组、疑似孤独症组和孤独症组。探索以不同中介提示的动态评估范式发现人机交互环境下动态评估的可行性与潜在价值,并揭示孤独症儿童与其他群体的语言发展潜能及差异性。研究发现,相较于静态评估,动态评估中介提示可以帮助教师捕捉儿童的更多潜能信息;非孤独症儿童和疑似孤独症儿童的语言发展潜能明显高于孤独症儿童;中介提示对于实际语言能力低、学习潜能高的儿童能力提升更为明显。研究认为,人机交互式动态评估对儿童语言潜力的挖掘具有可行性,对制定个性化的教育干预计划意义重大。

自闭症儿童在线评估系统及应用研究

早期评估是自闭症儿童接受教育干预的重要前提,而传统评估方法存在对专业人员要求高、受主观性影响较大的问题,不易普及,导致自闭症儿童的诊断延迟。对此,文章提出融合传统量表和计算机游戏的自闭症儿童在线评估方法,依据相关理论和标准化量表,设计五大能力维度的计算机游戏评估项目,构建星未来儿童在线评估系统,并在医院和特殊教育机构展开应用研究,结果表明:计算机游戏被大多数儿童接受,能有效区分典型发展和具有自闭症倾向的儿童,是一种可行的评估方法。文章的研究成果可为制定个性化干预计划提供支持,以推动自闭症儿童规模化早期筛查的开展。

为提高孤独症儿童社会互动能力的人机交互学习活动设计与实现

目前儿童孤独症尚无有效的药物可以治愈,教育干预是帮助孤独症儿童提高社会互动能力的最佳手段。研究表明,通过人机交互学习进行教育干预是实现孤独症儿童康复的可行新途径。本研究以孤独症儿童的个体差异性为核心,建立互动式智能学习环境,针对提高孤独症儿童的社会互动能力设计学习目标、建立学习活动,支持儿童探索不同层次的社会互动场景;通过计算机视觉、模式识别、智能体以及多模态融合技术观察儿童的学习状态,并相应调整学习活动以满足不同儿童个体的社会认知需求。实验表明,人机交互学习活动能引起儿童兴趣,提高参与度,多模态信号比单一模态更能吸引注意力,根据个体学习状态调整学习活动能有效提高孤独症儿童的社会互动能力。该方法具有可行性与有效性。

孤独症儿童早期社交技能的智能化评估——以应答性共同注意和应答性社交微笑为例

人工智能技术的发展给孤独症评估带来了新思路,目前智能化评估集中为孤独症判别二分类评估,缺乏高效、量化的精细化评估方法。研究设计开发了一款基于人工智能技术的早期社交技能量化评估系统。实验招募了28名孤独症儿童为研究对象,采集了社交技能评估视频,记录了评估过程中儿童的头部转向活动和面部表情。使用头部姿态估计、表情识别以及语音识别等技术分析评估过程中的应答性共同注意和应答性社交微笑。结果表明:(1)早期社交技能的智能化评估得分以精确的反应时间和持续时间区分呈梯度分布,评估结果客观精细;(2)准确性检验证明智能化评估得分与人工评分结果具有一致性,验证了孤独症儿童早期社交技能智能化评估的可行性。这种评估方式客观、准确、易用,为儿童早期社交技能连续性评估提供技术支持,客观量化的精细化评估结果为孤独症儿童的精准干预提供客观依据,具有很好的应用价值和现实意义。

基于计算机游戏的自闭症谱系障碍儿童评估研究

评估是自闭症谱系障碍儿童教育干预的必要前提。基于问卷量表的评估方式对专业水平及经验依赖程度高,缺乏客观的量化指标,因此,研究采用了信息化手段探索评估的可行性。研究基于心理机能理论,设计计算机游戏评估项目,比较自闭症儿童与正常发展儿童在共同注意、心理推测、视觉配对、精细动作、认知理解、概念分类等方面发展水平的量化差异,结果表明:(1)自闭症儿童上述各项能力发展水平均低于正常发展儿童,且个体间存在显著的差异性;(2)自闭症儿童的共同注意和心理推测能力水平明显低于正常发展儿童,客观反映了自闭症的核心症状;(3)计算机游戏应用于自闭症儿童教育评估具有可行性,对制定教育干预计划意义重大。

增强现实技术在孤独症儿童干预中的应用研究——以词汇认知干预为例

文章旨在探索增强现实技术对改善孤独症儿童词汇认知能力的应用效果。根据皮博迪图片词汇测验修订版的测验结果,文章将28名3~10岁的孤独症儿童随机分为能力得分水平相当的两组:实验组儿童接受基于增强现实技术的教学,对照组儿童则采用传统的图片教学。结果表明,两组的干预都取得了明显的效果,但在词汇指认和词汇命名两个维度上,实验组的儿童表现得更好,这种表现与注意力的增强相关,而且实验组儿童表现出了对教学工具更高的兴趣。初步研究成果表明,增强现实应用是极具潜力的孤独症儿童认知干预材料。

人机交互技术在孤独症谱系障碍儿童教育干预中的应用

孤独症谱系障碍发病率不断攀升,成为亟待解决的社会问题,但缺乏有效的治疗药物和方法,教育干预训练是儿童孤独症康复的最佳手段。研究表明,基于人机交互技术的教育干预是实现孤独症儿童康复的可行新途径。虚拟现实、增强现实、多媒体、智能机器人与自然人机交互等技术在孤独症儿童教育干预中的相关应用研究已取得重要进展,但也面临一些问题,发展一种包含不同孤独症儿童发展轨迹的、适应于不同儿童个体的交互技术干预方法尤为迫切。

人机交互技术支持的自闭症儿童评估——基于修订版C-PEP量表与人机交互游戏的评估结果对比

评估是自闭症儿童干预治疗的重要前提。基于此,文章聚焦于人机交互技术支持的自闭症儿童评估问题,从知觉、手眼协调、认知表现、关系情感等四个维度,对比了《心理教育评定量表中文修订版C-PEP》(简称"修订版C-PEP量表")与人机交互游戏的评估结果,发现:人机交互游戏评估结果能正确反映修订版C-PEP量表的评估结果,且评估更加精准、更能吸引自闭症儿童的注意力并做出反应。文章验证了人机交互游戏评估的可行性和有效性,可为自闭症儿童评估、人机交互游戏开发提供参考。

课堂教学环境下学生学习兴趣智能化分析

学习兴趣影响学习发生的方式和学习过程,是提高学习效果的重要因素。目前对教学环境下学生学习兴趣的研究大多采用传统的问卷调查或案例分析等方法,不利于教师对课堂中学生学习兴趣的及时获取以便有效改善教学行为。因此,本文基于多模态自然感知技术展开对学习兴趣的智能化分析研究,提出了三维学习兴趣模型,通过对头部姿态、面部表情、课堂互动多模态信息识别与融合,从认知注意力、学习情感与思维活跃度三个维度综合理解学生的学习兴趣。实验结果表明,该学习兴趣智能化分析方法能真实反映学生的学习兴趣状态,为教师改进教学方法、提高教学效果提供客观依据及有效手段。

GPS与惯性导航系统融合的精确连续定位算法

为了克服独立的惯性导航系统无限制的位置误差和 Ｇ Ｐ Ｓ的１ Ｈｚ 慢速数据修正速率的缺陷，本文提出了对两种具有不同输出数据速率运动传感器 Ｇ Ｐ Ｓ与 Ｉ Ｎ Ｓ融合算法，研究了五点二次和两点线性预测的高精度连续融合定位算法，真实 Ｇ Ｐ Ｓ数据和模拟 Ｉ Ｎ Ｓ数据融合的实验证明了该方法的正确性，为在中、高动态环境下的高精度实时连续定位提供了一种新的途径。

基于树结构分层随机森林在非约束环境下的头部姿态估计

头部姿态估计是人类行为和注意力的关键,受到光照、噪声、身份、遮挡等许多因素的影响。为了提高非约束环境下的估计准确率和鲁棒性,该论文提出了树结构分层随机森林在非约束环境下的多类头部姿态估计。首先,为了消除不同环境的噪声影响,提取人脸区域的组合纹理特征,对人脸区域进行积极人脸子区域的分类,分类结果作为树结构分层随机森林的先验知识输入;其次,提出了一种树结构分层随机森林算法,分层估计多自由度下的头部姿态;再次,为了增强算法的分类能力,使用自适应高斯混合模型作为多层次子森林叶子节点的投票模型。在多个公共数据集上的多种非约束实验环境下进行头部姿态估计,最终实验结果表明所提算法在不同质量的图像上都有很好的估计准确率和鲁棒性。

生态系统论视野下人机交互技术教育应用SWOT分析及对策——以自闭症等特殊儿童教育为例

人工智能、虚拟现实、体感交互、"互联网+"等信息技术的发展,深刻地改变了人们生活、学习和工作的方式。技术的应用尤其是针对儿童的早期教育需要慎之又慎。技术和交互式媒介是支持儿童早期学习与发展的有效工具,但其在教育过程中如何被适宜性地使用,以有利于优化促进儿童在认知、社会、情感、生理和语言等方面的发展机会是当下需要关注的问题。该研究利用SWOT态势分析法,深入分析了人机交互技术教育应用的优势、劣势、机会和风险,指出人机交互技术的应用需遵循利用机会,发挥优势,弥补劣势,降低风险的原则,为儿童学习与发展的生态系统提供技术支撑。基于生态学理论和SWOT分析对策,构建了面向特殊儿童的多模态智能化学习平台,并设计了丰富的人机交互学习活动,实践应用表明基于人机交互技术的智能化学习平台在幼儿及自闭症等特殊儿童教育上发展空间巨大,能够有效提高儿童社会适应能力和功能发展。人机交互技术的未来教育应用应以儿童为中心,注重情感策略运用,统筹兼顾家庭、社区、学校及社会等环境因素,增强自然交互方式,丰富学习内容,使得教育回归现实生活,完善应用规范,并提供持续不断的支持与服务,为儿童的健康成长与发展,构建自然、和谐的教育新生态。

一种基于动态量化编码的深度神经网络压缩方法

近年来深度神经网络(Deep neural network,DNN)从众多机器学习方法中脱颖而出,引起了广泛的兴趣和关注.然而,在主流的深度神经网络模型中,其参数数以百万计,需要消耗大量的计算和存储资源,难以应用于手机等移动嵌入式设备.为了解决这一问题,本文提出了一种基于动态量化编码(Dynamic quantization coding,DQC)的深度神经网络压缩方法.不同于现有的采用静态量化编码(Static quantitative coding,SQC)的方法,本文提出的方法在模型训练过程中同时对量化码本进行更新,使码本尽可能减小较大权重参数量化引起的误差.通过大量的对比实验表明,本文提出的方法优于现有基于静态编码的模型压缩方法.

基于自回归模型的动态表情识别

采用几何信息和纹理信息融合的混合特征,基于自回归(AR)模型,提出一种基于线段的相似度判决方法实现动态表情识别.首先在6种基本表情的图像序列训练集上进行训练得到6种AR模型,然后给定测试表情序列,对每一个测试序列通过6种AR模型生成6种预测序列,接着比较每种预测序列与实际给定序列的相似性,最终根据相似性判断所给序列的表情类别.为了更好地比较预测序列与给定序列的相似性,提出了一种基于线段的相似度判决方法.基于Cohn-Kanade+人脸表情库进行实验结果表明,该方法在动态表情识别上取得了良好的效果.

基于条件随机森林的非约束环境自然笑脸检测

为减少非约束环境下头部姿态多样性对笑脸检测带来的不利影响,提出一种基于条件随机森林(Conditional random forests,CRF)的笑脸检测方法.首先,以头部姿态作为隐含条件划分数据空间,构建基于条件随机森林的笑脸分类器;其次,以K-Means聚类方法确定条件随机森林分类器的分类边界;最后,分别从嘴巴区域和眉眼区域采集图像子块训练两组条件随机森林构成层级式结构进行笑脸检测.本文的笑脸检测方法在GENKI-4K、LFW和自备课堂场景(CCNU-Classroom)数据集上分别取得了91.14%,90.73%和85.17%的正确率,优于现有基于支持向量机、AdaBoost和随机森林的笑脸检测方法.

基于图像和特征联合约束的跨模态行人重识别

近年来,基于可见光与近红外的行人重识别研究受到业界人士的广泛关注.现有方法主要是利用二者之间的相互转换以减小模态间的差异.但由于可见光图像和近红外图像之间的数据具有独立且分布不同的特点,导致其相互转换的图像与真实图像之间存在数据差异.因此,本文提出了一个基于图像层和特征层联合约束的可见光与近红外相互转换的中间模态,不仅实现了行人身份的一致性,而且减少了模态间转换的差异性.此外,考虑到跨模态行人重识别数据集的稀缺性,本文还构建了一个跨模态的行人重识别数据集,并通过大量的实验证明了文章所提方法的有效性,本文所提出的方法在经典公共数据集SYSU-MM01上比D2RL算法在Rank-1和mAP上分别高出4.2%和3.7%,该方法在本文构建的Parking-01数据集的近红外检索可见光模式下比ResNet-50算法在Rank-1和mAP上分别高出10.4%和10.4%.

灰度值星型辐射投影角点检测算法

角点检测是实现跟踪注册的基础,被广泛应用于增强现实等环境复杂性实时系统.针对经典的Fast角点检测算法抗噪声及抗强光干扰性能差,而Harris角点检测算法实时性较差,均无法满足增强现实等环境复杂性实时系统需求的问题,提出一种结合灰度值星型辐射投影的角点检测算法.在提取图像边缘的基础上计算检测区域内所有像素点的星型投影值,通过投影值主峰区域和主峰间距的判定逐步剔除伪角点,最终实现鲁棒的角点检测.在自然场景、COIL-100数据集中的实验结果表明,该算法在实时性和鲁棒性2个方面取得了较好的检测结果,可适用于增强现实等环境复杂性实时系统.

融合排序与回归的卷积神经网络用于表情强度估计

表情强度估计是面部表情分析的重要组成部分,是实现人机自然情感交互的关键技术.表情强度估计面临的主要挑战在于缺乏大量的有标签数据,难以通过有监督的方法来估计表情强度.尽管基于排序的方法能够解决这一问题,但是排序方法只能估计表情的相对强度,无法估计表情的绝对强度.为了解决上述问题,提出了一种融合排序与回归的卷积神经网络用于表情强度估计.其中,排序卷积神经网络采用孪生网络结构,用于学习序列中任意两帧图像的相对强弱关系;孪生网络的每一个子网采用回归卷积神经网络,用于学习有强度标签的样本,从而估计表情的绝对强度.为了验证方法的有效性,在公共数据集PAIN和CK+上进行了实验.实验结果表明,提出的方法在弱监督的条件估计表情强度的各项结果(PAIN数据集上PCC,ICC和MAE分别为0.6551,0.5293和0.9241,CK+数据集上PCC,ICC和MAE分别为0.7391,0.7216和0.1875),均优于现有的方法.

基于深度学习的单图像三维人体重建研究综述

对近年来基于深度学习的单图像三维人体重建的研究现状和发展趋势进行了总结.首先,从模型表示和计算方法两个方面梳理了当前主要的单图像三维人体重建算法.在模型表示上详细介绍了四种常见表示方式及它们之间的相互转化关系,包括深度图像与点云表示、参数化人体模型表示、体素及语义体素表示及隐式曲面函数表示.在计算方法上深入描述了基于上述四种表示方式所提出的算法,并分析了其优缺点;接着,介绍了单图像三维人体重建常用的公共数据集和客观评价指标;然后,在公共数据集上从客观指标和可视化两个角度对当前先进方法进行了评价和对比;最后,在实验结果的基础上总结了当前方法存在的问题和挑战,并展望了单图像三维人体重建未来潜在的研究方向.

基于分形理论的随机位移算法

为了解决基于分形理论的中点位移法对地形仿真产生的皱折问题，对中点位移法的固定间隙度进行改进，使中点细分扩展到任意尺度细分，采用了线性插值的随机位移算法对地形进行仿真，达到好的可视性．该方法间隙度调节灵活，实现简便，合成速度快，实验结果证明了该算法的有效性．