本发明涉及情绪识别，具体为一种用于助教机器人的情绪识别方法及系统。
背景技术：
1、助教机器人是一种集成了人工智能技术的教育辅助工具，它不仅能够自动化地解答学生在学习过程中遇到的问题，提供个性化的学习资源和路径规划，还能与教师协同工作，提升教学效率和互动性，为学生创造一个更加智能、灵活和个性化的学习环境。通过自然语言处理、机器学习等先进技术，助教机器人能够深入理解学生的学习需求，实现精准教学支持。
2、在申请公布号为cn113160629a的中国发明专利中，公开了一种具有情感识别功能的人机协同学习用教育机器人，包括主机体，主机体的顶部转动连接有机头，背面开设有环形充电槽，环形充电槽内安装有附属手环，机头的内部安装有芯片，芯片内承载有学习系统，学习系统包括中心处理模块、学习资料库、登录子系统、情绪识别子系统、音像输出子系统、监测子系统、通讯子系统，学习系统通过通讯子系统与附属手环相互通讯。本发明的使用方式灵活，并在学习时，对学生的情感、视觉和听觉进行协同配合，提高学生学习效率和学习质量。
3、在请公布号cn110119715a的中国发明专利中，提供一种陪伴机器人及情绪识别方法，其中一种陪伴机器人，包括图像信息及语音信息获取装置、控制器及扬声器，图像信息及语音信息获取装置及扬声器均与控制器电性连接，图像信息及语音信息获取装置用于采集被陪伴人员图像信息及语音信息，并将被陪伴人员图像信息及语音信息发送至控制器，控制器包括情绪识别模块及聊天控制单元，情绪识别模块用于根据被陪伴人员图像信息及语音信息判断被陪伴人员的情绪模式，并将被陪伴人员的情绪模式发送至聊天控制单元，聊天控制单元根据被陪伴人员的情绪模式通过扬声器输出语音信息。
4、结合以上申请及现有技术中的内容：
5、在将教育机器人应用在教学活动中时，学生的情绪变化可以对当前的教学状态及教学成果形成反馈，在识别到这种情绪变化时，老师可以据此对当前的教学过程做出响应和反馈，对当前的教学效果实现调整和改善。
6、特别是在教学区域内的学生的互动参与度较低、互动频率较低时，若不能及时地调整助教机器人的教学及其响应策略，当前的教学效果可能会快速下降；但现有的助教机器人在通过识别学生的情绪并据此做出响应时，通常还需要将情绪识别结果发送至管理人员处，由管理人员给出调整后的响应策略，这就容易导致助教机器人在完成情绪识别后做出响应较慢，不能快速对当前较差的教学反馈实现调整。
7、为此，本发明提供了一种用于助教机器人的情绪识别方法及系统。
技术实现思路
1、（一）解决的技术问题
2、针对现有技术的不足，本发明提供了一种用于助教机器人的情绪识别方法及系统，通过对多模态情绪数据集合内的数据进行标注，对标注后的多模态情绪数据进行预处理，获取预处理后数据；由实时采集的多模态情绪数据作为输入，由训练好的情绪识别分类模型输出相应的识别结果，依据识别结果为助教机器人匹配相应的响应策略；在助教机器人做出响应后，依据观察周期内的反馈数据变化构建改善系数，若改善系数不超过改善阈值，对响应策略进行优化调整。通过构建教学反馈预测模型对响应策略进行预测，也可以确保响应策略的有效性，从而解决了背景技术中的技术问题。
3、（二）技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：
5、一种用于助教机器人的情绪识别方法，包括，采集班级内教学时学生的反馈数据，由教学反馈数据生成当前教学活动过程中的反馈系数，若反馈系数低于反馈阈值，向外部发出数据采集指令；
6、由路径规划算法在教学区域内规划获取数据采集路径，依据数据采集路径依次在教学区域内进行多模态情绪数据采集，并对数据采集的频率进行约束，将获取的数据汇总后生成多模态情绪数据集合；
7、对多模态情绪数据集合内的数据进行标注，并在经过相似度分析后，依据相似度分析数据生成标注精确度，若标注精确度高于精确阈值，对标注后的多模态情绪数据进行预处理，获取预处理后数据；
8、训练获取情绪识别分类模型，在对其进行测试后，由获取的测试数据验证其识别效果，若识别效果满足预期，由实时采集的多模态情绪数据作为输入，由训练好的情绪识别分类模型输出相应的识别结果，依据识别结果为助教机器人匹配相应的响应策略；
9、在助教机器人做出响应后，依据观察周期内的反馈数据变化构建改善系数，若改善系数不超过改善阈值，对响应策略进行优化调整，由教学反馈预测模型对优化后的响应策略进行验证并再次获取改善系数，若改善系数仍低于预期，则对响应策略重新进行优化。
10、进一步的，在监控周期内采集班级教学时学生的反馈数据，将获取到的反馈数据汇总后生成教学反馈数据集合；由教学反馈数据集合生成反馈系数，其中，
11、对参与度及互动频率做线性归一化处理，将相应的数据值映射至区间内，依照如下方式：
12、；
13、权重系数：，且；为第 i个学生在教学活动中的参与度，为参与度的合格标准值，为参与度的均值；为第 i个学生在教学活动中的互动频率，为互动频率的合格标准值，为互动频率的均值。
14、进一步的，接收到数据采集指令后，将学生分布区域划分为若干个子区域，构建学生分布区域的电子地图后，将各个子区域在电子地图进行标记；
15、获取各个子区域内的反馈系数及位置信息，由路径规划算法对各个子区域进行路径规划，获取相应的数据采集路径。
16、进一步的，确定数据采集顺序后限定数据采集种类，对各个子区域内进行多模态情绪数据采集时，对数据采集的频率进行约束，在符合约束条件的数据采集节点上对子区域内的进行数据采集，约束方式如下：
17、；
18、其中， n为多模态情绪数据的采集节点个数，是第 i个采集节点到第 j个采集节点的时间间隔，为时间间隔的平均值，为反馈系数。
19、进一步的，在获取多模态情绪数据集合内数据后，由选定的专家对数据进行详细标注，标注后将其作为第一标注集合；采用其他的多位标注员对同一数据进行标注，获取标注后数据并将其作为第二标注集合；
20、对第一标注集合及第二标注集合内的两次标注结果进行相似度分析，获取相似度数据后生成相应的相似度数据集合。
21、进一步的，在无量纲条件下，由相似度数据集合内的相似度数据生成标注精确度，方式如下：
22、；
23、其中， n为标注员的个数，是第 i个标注员与专家间数据标注相似度，为相似度平均值，为相似度的合格目标值；权重系数：，，且。
24、进一步的，获取到预处理数据后，从预处理数据内选择部分数据作为样本数据，将样本数据分割为训练集和测试集，由机器学习算法构建初始模型，由训练集对初始模型进行训练，获取训练后的情绪识别分类模型，在测试集上对情绪识别分类模型进行测试，获取到相应的测试数据。
25、进一步的，由获取的测试数据生成识别效率度，其中，对处理速度、响应时间及准确率作为无量纲处理后，参考层次分析法确定相应的权重系数，再依照如下方式：
26、；
27、权重系数为，，，为常数修正系数；若获取的识别效率度低于效率阈值，对情绪识别分类模型进行优化或重新训练。
28、进一步的，对实时采集的多模态情绪数据进行预处理，通过特征工程提取相应的特征数据，以特征数据作为输入，使用训练好的情绪识别分类模型对实时数据进行情感识别，获取到相应的识别结果；
29、依据识别结果与响应策略间的对应性，由响应策略库为当前的教学过程输出相应的响应策略，依据给出的响应策略对助教机器人的教学行为进行调整和响应。
30、进一步的，由助教机器人依据情绪识别结果做出响应后，设置包含若干个子周期的观察周期，于各个子周期内教学活动过程中的反馈系数，将响应前后的子周期依据时间轴排序并一一对应，依据反馈系数的变化构建改善系数，若改善系数不超过改善阈值，向外部发出调整指令。
31、进一步的，依据反馈系数的变化构建改善系数的方式如下：
32、；
33、其中，为第 i个子周期的改善中间值，为其均值，为其合格标准值；，为子周期的个数，及分别为助教机器人响应前后第 i个子周期的反馈系数，及为相应的均值，权重系数：，，且。
34、进一步的，接收到调整指令后，对响应策略的内容进行识别，以提高观察周期内的改善系数作为优化目标，使用多目标优化算法对响应策略进行调整，以获取优化后的响应策略；
35、采集观察周期内的教学过程数据，例如测验和考试成绩、情绪反馈及课堂参与度等；以其作为样本数据，训练机器学习算法获取助教机器人的教学反馈预测模型，以优化后的响应策略作为输入，由教学反馈预测模型对其反馈效果进行预测。
36、一种用于助教机器人的情绪识别系统，包括，反馈数据采集单元，采集班级内教学时学生的反馈数据，由教学反馈数据生成当前教学活动过程中的反馈系数，若反馈系数低于反馈阈值，向外部发出数据采集指令；
37、采集路径规划单元，由路径规划算法在教学区域内规划获取数据采集路径，依据数据采集路径依次在教学区域内进行多模态情绪数据采集，并对数据采集的频率进行约束，将获取的数据汇总后生成多模态情绪数据集合；
38、相似度分析单元，对多模态情绪数据集合内的数据进行标注，并在经过相似度分析后，依据相似度分析数据生成标注精确度，若标注精确度高于精确阈值，对标注后的多模态情绪数据进行预处理，获取预处理后数据；
39、响应策略输出单元，训练获取情绪识别分类模型，在对其进行测试后，由获取的测试数据验证其识别效果，若识别效果满足预期，由实时采集的多模态情绪数据作为输入，由训练好的情绪识别分类模型输出相应的识别结果，依据识别结果为助教机器人匹配相应的响应策略；
40、改善优化单元，在助教机器人做出响应后，依据观察周期内的反馈数据变化构建改善系数，若改善系数不超过改善阈值，对响应策略进行优化调整，由教学反馈预测模型对优化后的响应策略进行验证并再次获取改善系数，若改善系数仍低于预期，则对响应策略重新进行优化。
41、（三）有益效果
42、本发明提供了一种用于助教机器人的情绪识别方法及系统，具备以下有益效果：
43、1、依据反馈系数对当前的教学反馈效果进行评估，确定当前的教学反馈是否能够达到预期，在当前的教学状态较差或教学策略存在不足时，能够及时地发现并做出处理，保障教学过程的顺利实施。
44、2、通过将学生分布区域划分为若干个子区域后规划获取数据采集路径，优先对重要区域、反馈较差的区域进行数据采集，以便于优先进行处理，优先改善。
45、3、依据不同标注结果间的一致性，对数据标注的质量进行评估，若数据标注结果较差，则可以重新进行标注，实现对标注结果的保障，使情绪识别结果的准确性更高；通过对获取的多模态情绪数据进行预处理，对采集数据的数据质量形成保障。
46、4、依据识别效率度能够对情绪识别分类模型的性能进行评估，在其性能不能满足预期效果时，可以进行优化或重新训练，实现对情绪识别分类模型的识别性能及识别效果的保障。
47、5、由训练后的情绪识别分类模型对实时采集到的多模态情绪数据进行识别，使管理人员能够及时掌握学生当前的情绪状态，及时地对当前的教学状态及策略进行调整，使教学过程能够得到更好的反馈；通过响应策略库输出相应的响应策略，对助教机器人进行调整和响应，使学生能够获取更佳的学习体验，获取更好的教学反馈。
48、6、通过对每个子区域内的采集频率及采集次数进行约束，使数据采集量与每个子区域内的教学反馈状态相匹配，在由助教机器人针对不同的子区域做出响应和教学策略调整时，能够有充足的数据支持和覆盖，针对反馈效果较差的子区域及相应的学生，使助教机器人做出的响应更有针对性。
49、7、依据改善系数对当前的响应效果进行评估，判断当前的响应是否有效，若未能达到预期的效果，则可以重新做出响应，以便获取更好的教学反馈。
50、8、依据观察周期内的反馈数据变化生成改善系数，在助教机器人做出的响应未能达到预期时，通过对响应策略进行调整和优化，对响应策略的不断迭代，使助教机器人能够依据教学过程中，学生的情绪及其他的反馈数据，快速地做出响应，改善教学质量；通过构建教学反馈预测模型对响应策略进行预测，也可以确保响应策略的有效性。
1.一种用于助教机器人的情绪识别方法，其特征在于：包括，
2.根据权利要求1所述的一种用于助教机器人的情绪识别方法，其特征在于：
3.根据权利要求2所述的一种用于助教机器人的情绪识别方法，其特征在于：
4.根据权利要求3所述的一种用于助教机器人的情绪识别方法，其特征在于：
5.根据权利要求4所述的一种用于助教机器人的情绪识别方法，其特征在于：
6.根据权利要求5所述的一种用于助教机器人的情绪识别方法，其特征在于：
7.根据权利要求6所述的一种用于助教机器人的情绪识别方法，其特征在于：
8.根据权利要求7所述的一种用于助教机器人的情绪识别方法，其特征在于：
9.根据权利要求8所述的一种用于助教机器人的情绪识别方法，其特征在于：
10.根据权利要求9所述的一种用于助教机器人的情绪识别方法，其特征在于：
11.根据权利要求10所述的一种用于助教机器人的情绪识别方法，其特征在于：
12.根据权利要求11所述的一种用于助教机器人的情绪识别方法，其特征在于：
13.一种用于助教机器人的情绪识别系统，其特征在于：包括，
