回顾计算机领域近几年的主要发展成果,深度学习的快速崛起毫无疑问可以占有一席之地,无论在自然语言处理、语音识别还是计算机视觉领域,深度学习都在发挥越来越大的作用。另一方面,随着社会发展,互联网+概念在人们日常生活中的日益深入,人们越来越习惯于把以往很难量化的抽象概念交给计算机处理,对人物情绪的分析就是其中之一。而深度学习的发展也为人物情绪分析的研究带来了新的方向:其中群体情绪分析和群体凝聚力分析因为对传统方式的颠覆性尤为受人们所关注。同时研究基于深度学习的群体情绪与凝聚力分析系统对需要了解群众真实反馈的活动组织者具有十分重要的现实意义,而深度学习技术的快速发展和计算机软硬件的更新迭代也很大程度上减小了该系统从理论阶段到实现阶段跨越的难度。本文将从以下几个方向展开说明该系统的设计与实现:首先系统的算法研究基于深度学习的神经网络结构DenseNet和SE模块,在分析系统的任务需求后对网络中的部分结构进行修改。使用公开数据集EmotiC和EmotiW2018在ImageNet预训练DenseNet和SEDenseNet模型上分别在全局、姿态、脸部三个分支对群体情绪三分类问题进行迁移学习训练,分别得出三个分支的最佳分类结果。之后,在每个分支最佳分类结果的基础上利用EmotiW2019数据集和本文设计的回归模型分别在不同分支进行群体凝聚力指数的回归训练,从而得出三个分支的最佳回归结果。最后使用模型融合的方法将分支的情绪分类结果和凝聚力回归结果进行优化,创新性地构建了一个可以同时分析群体情绪和群体凝聚力的神经网络模型。之后基于上述工作分别设计了系统的各个模块,明确了系统各个模块的功能,制定了模块间的交互流程。最后使用Libtorch完成模型的API转换,运用Qt编写系统界面实现系统和用户的交互。该系统可通过视频或者图片数据的接入,一方面能够分析当前视频或图片中人群的大致情绪趋势,另一方面可以输出展示当前群体的凝聚力指数,反应该群体的团队合作效率。因此本系统能够高效地使活动组织者了解当前活动对该群体的影响,在大型文娱活动时可以起到评估该文化活动效能的实际运用。