Розпізнавання емоційних проявів за групуванням скупченостей характерних мімічних станів обличчя людини

• Дата: 2020
• Автори: Бармак, О.В., Манзюк, Е.А., Калита, О.Д., Крак, Ю.В., Кузнєцов, В.О.
• Формат: Стаття
• Мова: Ukrainian
• Опубліковано: Інститут програмних систем НАН України 2020
• Назва видання: Проблеми програмування
• Теми: Прикладне програмне забезпечення
• Онлайн доступ: http://dspace.nbuv.gov.ua/handle/123456789/180463
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Розпізнавання емоційних проявів за групуванням скупченостей характерних мімічних станів обличчя людини / О.В. Бармак, Е.А. Манзюк, О.Д. Калита, Ю.В. Крак,В.О. Кузнєцов, А.І. Куляс // Проблеми програмування. — 2020. — № 2-3. — С. 173-181. — Бібліогр.: 18 назв. — укр.

Характерні форми мімічних проявів емоційних станів людини є типовими з доволі значною мірою узагальнення на підставі спільних фізіологічних структур та розташування м’язів, які формують людське обличчя. Ця обставина є однією з основних причин спільності проявів людиною емоцій, які знаходять своє відображення на обличчі. За характером та формою мімічних проявів на обличчі з високою ймовірністю можна визначати емоційний стан людини з певним корегуванням зі сторони культурологічних особливостей та традицій певних груп. У відповідності до існування загальних мімічних форм емоційних проявів запропоновано підхід до створення моделі розпізнавання емоційних проявів на обличчі людини з відносно низькими вимогами до засобів фото, відео-фіксації та належною швидкодією у відео потоці. В основу створення моделі покладена реалізація гіперплощинної класифікації мімічних проявів основних емоційних станів. Однією з головних переваг запропонованого підходу є невелика обчислювальна складність, що дає змогу реалізувати систему розпізнавання змін емоційного стану людини за мімічними проявами без використання спеціалізованого обладнання (для відео-камер з низькою роздільною здатністю або на великій відстані). Крім того модель, сформована на базі запропонованого підходу, дозволяє отримувати належну точність розпізнавання з невисокими вимогами до якісних характеристик зображення, що дозволяє в значній мірі розширити сферу практичного застосування. Одним із прикладів практичного застосування є контроль за водієм під час керування транспортом, оператором складного виробництва та інші автоматичні системи візуального спостереження. Множина детектованих емоційних станів формується у відповідності до поставлених задач та дає можливість фокусуватись на розпізнанні мімічних форм та групувати характерні структурні прояви базуючись на множині розмежованих характерних ознак.