Метод гіперплощинної класифікації для ідентифікації мімічних проявів емоційних станів

Скорочена інформація про документ
dc.contributor.authorКалита, Олег
dc.contributor.authorKalyta, Oleg
dc.date.accessioned2023-05-10T19:03:57Z
dc.date.available2023-05-10T19:03:57Z
dc.date.issued2023
dc.description.abstractСтаном на тепер актуальними залишаються інформаційні системи візуального спостереження для забезпечення безпеки, що ґрунтуються на розпізнаванні змін емоційного стану людини. У роботі запропоновано вдосконалення методу гіперплощинної класифікації для ідентифікації мімічних проявів емоційних станів. Метод дозволяє використати візуальну аналітику за напрямком «людина-у-петлі» для формування прозорого та інтерпретованого класифікатора емоційних станів людини за мімічними проявами. Використання методу дає змогу отримати класифікатори для виявлення різких змін емоційних станів локальних груп людей у великих натовпах. Обчислювальні результати валідації підтвердили ефективність запропонованого методу для задачі класифікації змін емоційного стану, а саме запропонований метод перевершив аналоги за показником (75,52%) та показав порівняно значні результати за точністю класифікації (90,86%).uk_UA
dc.description.abstractThe present study aims to investigate the use of hyperplane classification to identify mimic manifestations of emotional states. Emotions are complex psychological phenomena that involve physiological, cognitive, and behavioral components. The ability to accurately recognize emotions can be compromised in certain situations, such as when individuals try to hide or fake their emotions. This is particularly relevant in security, where detecting deception and identifying emotions are critical for decisionmaking. Hyperplane classification is a machine-learning technique that can be used for pattern recognition and classification tasks. It involves defining a decision boundary in a high-dimensional space that separates data points into different classes. In emotion recognition, hyperplane classification can be used to identify patterns of facial expressions and other nonverbal cues associated with specific emotional states. The present study used a dataset of images depicting actors portraying different emotional states, including fear, happiness, and neutrality. The study results showed that hyperplane classification could be effective for identifying mimic manifestations of emotional states. The best-performing model was a hyperplane classification, which achieved an accuracy of 90.86% on the test set. In addition to the classification task, the authors also investigated the interpretability of the hyperplane classification models based on visual analytics. This allowed for identifying the specific facial features and movements the models used to make their predictions. The authors also discussed the limitations of the models in terms of their generalizability and robustness to variations in lighting, camera angles, and other factors. Overall, the present study proves that the proposed method of hyperplane classification for the identification of mimic manifestations of emotional states is an effective tool for identifying mimic manifestations of emotional states. Nonetheless, future research should continue to explore the interpretability and generalizability of such an approach across different populations and contexts.uk_UA
dc.identifier.citationКалита О. Метод гіперплощинної класифікації для ідентифікації мімічних проявів емоційних станів / О. Калита // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2023. – № 1. – С. 17-22.uk_UA
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/13665
dc.language.isoukuk_UA
dc.publisherХмельницький національний університетuk_UA
dc.subjectрозпізнавання емоційuk_UA
dc.subjectвиявлення обличчяuk_UA
dc.subjectмімічні проявиuk_UA
dc.subjectгіперплощинна класифікаціяuk_UA
dc.subjectвізуальна аналітикаuk_UA
dc.subjectemotion recognitionuk_UA
dc.subjectface detectionuk_UA
dc.subjectfacial expressionsuk_UA
dc.subjecthyperplane classificationuk_UA
dc.subjectvisual analyticsuk_UA
dc.subject.udc004.85uk_UA
dc.titleМетод гіперплощинної класифікації для ідентифікації мімічних проявів емоційних станівuk_UA
dc.title.alternativeHyperplane classification method for identification of mimic manifestations of emotional statesuk_UA
dc.typeСтаттяuk_UA
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
VOTTP_1_2023 17-22.pdf
Розмір:
596.96 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
ВОТТП - 2023 рік