Анализ мимических проявлений на лице человека

• Опубліковано в: : Штучний інтелект
• Дата: 2015
• Автори: Крак, Ю.В., Кузнецов, В.А., Тернов, А.С.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2015
• Теми: Системи розпізнавання і сприйняття образів
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/117203
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Анализ мимических проявлений на лице человека / Ю.В. Крак, В.А. Кузнецов, А.С. Тернов // Штучний інтелект. — 2015. — № 3-4. — С. 37-50. — Бібліогр.: 27 назв. — рос.

В работе описаны шаги наполнения библиотеки видеофрагментов мимических выражений. С помощью алгоритмов компьютерного зрения в потоке видео были получены числовые данные, описывающие изменение состояния мимических проявлений во времени. Для анализа полученных данных было предложено использовать два метода – однослойный перцептрон и перцептрон в комбинации с интегральными преобразованиями: Карунена-Лоэва, сингулярным разложением и преобразованием Фурье. Проведен анализ работы каждого алгоритма на тестовых выборках, содержащих от 3 до 16 классов мимических выражений. Предложены решения, которые могут как повысить качество анализируемых данных, так и улучшить работу алгоритмов идентификации мимических выражений. У роботі розглянуто послідовність наповнення бібліотеки відеофрагментів мімічних проявів. За допомогою алгоритмів комп’ютерного зору в потоці відео було отримано числові дані, що описують зміну стану мімічних проявів у часі. Для аналізу отриманих даних було запропоновано застосувати 2 методи – одношаровий перцептрон і перцептрон у поєднанні з інтегральними перетвореннями, такими як перетворення Карунена-Лоева, сингулярний розклад і перетворення Фур’є. Проведено аналіз роботи алгоритмів на тестових даних, що містили від 3 до 16 класів мімічних проявів. Запропоновано рішення, що можуть підвищити якість даних, що аналізуються, а також покращити роботу алгоритмів ідентифікації мімічних проявів. Facial expressions were recorded on video, stored in facial expressions videolibrary and processed by means of computer vision. Numeric values were analyzed by two algorithms – one layer perceptron and perceptron combined with Karhunen-Loeve transform, singular value decomposition, discrete cosine transform and Fourier transform as a source of teach data. Each algorithm was tested on test data sets. Some solutions were proposed in order to improve quality of analyzed data and effectiveness of facial expression classification algorithms.