Аналіз моделей для розпізнавання мімічних проявів емоцій
Вантажиться...
Дата
2020
Автори
Бармак, О.В.
Калита, О.Д.
Манзюк, Е.А.
Barmak, O.
Kalyta, O.
Manziuk, E.
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
В статті проведено аналіз системи Fascial Action Coding System (FACS) Полла Екмана та спрощеної моделі яка
уможливлює реалізацію розпізнавання емоційних проявів на обличчі швидким чином. Аналіз було проведено на основі даних
отриманих Amsterdam Interdisciplinary Centre for Emotion (AICE).
У запропонованій моделі реалізована гіперплощинна класифікація мімічних проявів основних емоційних станів.
Основною перевагою запропонованого підходу є невелика обчислювальна складність, що дасть змогу реалізувати
розпізнавання змін емоційного стану людини за мімічними проявами без використання спеціалізованого обладнання (для
відео-камер з низькою роздільною здатністю або на великій відстані). Сферою застосування виступає контроль за водієм під
час керування транспортом, оператором складного виробництва тощо.
Проведення дослідження та обробка зібраних даних дозволили виділити основні ділянки обличчя, що впливають
на відображення емоційних станів. Це ділянки обличчя з бровами, очами та ротом.
Для визначення форм групування станів як відображення сукупності ознак було застосовано підхід, що дозволив
використати методи візуалізації даних. Це було необхідно для наочного відображення характерних форм групування даних.
Саме такі груповані дані і визначають класи емоційних проявів.
Важливим аспектом стала можливість встановлення границь розділення класів, тобто емоційних станів.
Розташування границь може коректуватися залежно від якості та кількості даних. Така форма адаптації дозволила
застосовувати технологію розпізнавання мімічних проявів емоцій більш гнучко та адаптувати її. Незважаючи на те, що
мімічні прояви в силу фізіологічних особливосте є типовими проявами емоції, границі розділення даних необхідно
коректувати для точного розмежування класів емоцій. Це дозволяє гіперплощинна класифікація.
Основною перевагою запропонованого підходу була невелика обчислювальна здатність. Вона дала змогу
реалізувати розпізнавання змін емоційного стану людини за мімічними проявами на обличчі без використання
спеціалізованого обладнання.
In the article, we analyze Paul Ekman's Fascial Action Coding System (FACS) and a simplified model that enables the recognition of facial emotional manifestations in the faster way. The analysis was based on data obtained from the Amsterdam Interdisciplinary Center for Emotion (AICE). The model realizes the hyperplane classification of mimic expressions of the main facial emotional states. The main advantage of this approach is small computational complexity, which will allow realizing the recognition of the changes in people’s emotional state without any special equipment (for low-resolution or long-distance video cameras). The sphere of application is control over the drivers in the process of driving the vehicle, complex production operators, etc. As a result of the research and processing of the collected data, the main areas of the face were identified, in which changes in facial expressions directly affect the reflection of emotional states. These are areas with eyebrows, eyes, and lips. To determine the forms of grouping states as a reflection of a set of features, we apply the approach proposed in the paper. The approach allows the use of data visualization techniques to visually display characteristic forms of data grouping. These grouped data determine the classes of emotional displays. An important aspect is the ability to set the boundaries of class division, in our case, emotional states. The location of borders can be adjusted depending on the quality and quantity of data. This form of adaptation allows a more flexible application of the technology of recognition of mimic expressions of emotions and adaptation to the data body. Although mimic displays due to physiological particularities are typical displays of emotions, the boundaries of data separation need to be adjusted for accurate distinguishment of classes of emotions. This allows the use of hyperplane classification. The validity of the proposed model is suggested to test on the synthesized data. This is possible because the real input will belong to the same intervals as artificially created. The main advantage of the proposed approach is the small computational complexity that will allow the recognition of changes in the human emotional state by facial expressions without the use of specialized equipment (for low-resolution or longdistance video cameras).
In the article, we analyze Paul Ekman's Fascial Action Coding System (FACS) and a simplified model that enables the recognition of facial emotional manifestations in the faster way. The analysis was based on data obtained from the Amsterdam Interdisciplinary Center for Emotion (AICE). The model realizes the hyperplane classification of mimic expressions of the main facial emotional states. The main advantage of this approach is small computational complexity, which will allow realizing the recognition of the changes in people’s emotional state without any special equipment (for low-resolution or long-distance video cameras). The sphere of application is control over the drivers in the process of driving the vehicle, complex production operators, etc. As a result of the research and processing of the collected data, the main areas of the face were identified, in which changes in facial expressions directly affect the reflection of emotional states. These are areas with eyebrows, eyes, and lips. To determine the forms of grouping states as a reflection of a set of features, we apply the approach proposed in the paper. The approach allows the use of data visualization techniques to visually display characteristic forms of data grouping. These grouped data determine the classes of emotional displays. An important aspect is the ability to set the boundaries of class division, in our case, emotional states. The location of borders can be adjusted depending on the quality and quantity of data. This form of adaptation allows a more flexible application of the technology of recognition of mimic expressions of emotions and adaptation to the data body. Although mimic displays due to physiological particularities are typical displays of emotions, the boundaries of data separation need to be adjusted for accurate distinguishment of classes of emotions. This allows the use of hyperplane classification. The validity of the proposed model is suggested to test on the synthesized data. This is possible because the real input will belong to the same intervals as artificially created. The main advantage of the proposed approach is the small computational complexity that will allow the recognition of changes in the human emotional state by facial expressions without the use of specialized equipment (for low-resolution or longdistance video cameras).
Опис
Ключові слова
розпізнавання мімічних проявів емоції, ггіперплощинна класифікація, спрощена модель, facial emotion recognition, hyperlane classification, simplified model
Бібліографічний опис
Бармак О. В. Аналіз моделей для розпізнавання мімічних проявів емоцій / О. В. Бармак, О. Д. Калита, Е. А. Манзюк // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2020. – № 1. – С. 77-83.