РОЗПІЗНАВАННЯ ЛЮДСЬКИХ ЕМОЦІЙ З ВИКОРИСТАННЯМ НЕЙРОМЕРЕЖЕВИХ ТЕХНОЛОГІЙ

Г.А. Кучук, Б.Г. Саатсазов

Анотація


Проведено аналіз існуючих методів розпізнавання зображень та описано розпізнавання міміки людини як математичну задачу. Велика увага приділяється нейромережевим методам розпізнавання міміки, особливо багатошаровому персептрону та глибинній згортковій нейронній мережі (ГЗНМ). В результаті проведення науково-дослідницької роботи було створено програмний продукт, який реалізує алгоритм розпізнавання людської міміки з використанням архітектури ГЗНМ. Продукт було створено на язиці комп’ютерного програмування Python з використанням сучасних бібліотек комп’ютерного зору dlib, open cv, та бібліотеки машинного навчання tensor flow від Google.

Ключові слова


нейронна мережа; міміка обличчя людини; комп’ютерний зір; python; емоції

Повний текст:

PDF (Русский)

Посилання


T. Ahsan, T. Jabid and U.-P. Chong. Facial expression recognition using local transitional pat-tern on gaborltered facial images. IETE Technical Review, 30(1):47{52, 2013.

D. Ciresan, U. Meier and J. Schmidhuber. Multi- column deep neural networks for image classification. In Computer Vision and Pat-tern Recognition (CVPR), 2012 IEEE Confer-ence on, pages 3642{3649. IEEE, 2012.

C. R. Darwin. The expression of the emotions in man and animals. John Murray, London, 1872.

J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li and L. Fei-Fei. Image net: A large-scale hierarchical image data- base. In Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conf. on, pages 248{255. IEEE, 2009.

P. Ekman and W. V. Friesen. Constants across cul- tures in the face and emotion. Journal of personality and so- cial psychology, 17(2):124, 1971.

B. Fasel and J. Luettin. Automatic facial expression analysis: a survey. Pattern recognition, 36(1):259{275, 2003.

A. Gudi. Recognizing semantic features in faces us- ing deep learning. arXiv preprint arXiv:1512.00743, 2015.

Kaggle. Challenges in representation learning: Fa- cial expression recognition challenge, 2013.

A. Krizhevsky and G. Hinton. Learning multiple lay- ers of features from tiny images, 2009.

A. Krizhevsky, I. Sutskever and G. E. Hinton. Image net classification with deep convolutional neural networks. In Advances in neural information processing systems, pages 1097{1105, 2012.

O. Langner, R. Dotsch, G. Bijlstra, D. H. Wig- boldus, S. T. Hawk and A. van Knippenberg. Presentation and validation of the radboud faces database. Cognition and emo- tion, 24(8):1377{ 1388, 2010.

P. Lucey, J. F. Cohn, T. Kanade, J. Saragih, Z. Am- badar and I. Matthews. The extended cohnkanade dataset (ck+): A complete dataset for action unit and emotion specied expression. In Computer Vision and Pattern Recognition Workshops (CVPRW), 2010 IEEE Computer Society Confer- ence on, pages 94{101. IEEE, 2010.

Y. Lv, Z. Feng and C. Xu. Facial expression recogni- tion via deep learning. In Smart Computing (SMARTCOMP), 2014 International Conference on, pages 303{308. IEEE, 2014.

J. Nicholson, K. Takahashi and R. Nakatsu. Emotion recognition in speech using neural net-works. Neural comput- ing & applications, 9(4): 290{296, 2000.

Open Source Computer Vision. Face detection using haar cascades. URL http://docs.opencv.org/master/d7/d8b/ tutorial_py_face_detection.html.

TFlearn. T earn: Deep learning library featuring a higher-level API for tensor ow. URL http://tflearn.org/.


Посилання

  • Поки немає зовнішніх посилань.


##submission.copyrightStatement##