Система распознавания базовых эмоций на основе анализа двигательных единиц лица
Авторы: Бобе А.С., Конышев Д.В., Воротников С.А.
Опубликовано в выпуске: #9(57)/2016
DOI: 10.18698/2308-6033-2016-9-1530
Раздел: Машиностроение и машиноведение | Рубрика: Роботы, мехатроника и робототехнические системы
В статье описан вариант реализации системы распознавания эмоционального состояния человека для поддержки речевого общения с сервисными антропоморфными роботами. Выполнен обзор существующих подходов к распознаванию эмоций. Разработан и исследован новый алгоритм оценки базовых эмоций по П. Экману на основе расчёта 20 информативных признаков изображения лица. Степень выраженности каждой эмоции оценивается тремя независимыми классификаторами. Алгоритм реализован в среде Qt и протестирован на двух базах изображений, а также в режиме реального времени, показав качество распознавания около 85%. Система предназначена для использования в составе приложений нейрокомпьютерного интерфейса в системах сервисной робототехники и психологической диагностики.
Литература
[1] Конышев Д.В., Воротников С.А., Выборнов Н.А. Управление мимическим аппаратом сервисных роботов при синтезе эмоций. Прикаспийский журнал "Управление и высокие технологии", 2014, № 3, с. 216-229.
[2] Breazeal P. Robot Emotion: A functional perspective. Who Needs Emotions: The Brain Meets the Robot. MIT Press, 2004, рр.137-168.
[3] Ekman P., Friesen W.V., Hager J.C. Facial Action Coding System. The Manual. Research Nexus division of Network Information Research Corporation, 2002.
[4] Tariq U., Lin K., Li Z., Zhou Z., Wang Z., Le V., Huang T.S., Lv X., Han T.X. Emotion Recognition from an Ensemble of Features. Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions, 2012, vol. 42 (4), pp. 1017-1026.
[5] Zhao G., Pietikainen M. Experiments With Facial Expression Recognition Using Spatiotemporal Local Binary Patterns. University of Oulu, Finland, 2007.
[6] Zhao G., Pietikainen M. Dynamic Texture Recognition Using Local Binary Patterns with an Application to Facial Expressions. IEEE Trans. Pattern Analysis and Machine Intelligence, 2007, vol. 29, pp. 915-928.
[7] Bartlett M.S., Hager J.C, Ekman P., Sejnowskie T.J. Measuring facial expressions by computer image analysis. Cambridge University Press. Publ., 1999, pp. 253-263.
[8] Chandrani S., Washef A., Soma M., Debasis M. Facial Expressions: A Cross-Cultural Study. Emotion Recognition: A Pattern Analysis Approach. Wiley, 2015, pp. 69-86.
[9] Заболеева-Зотова А.В. Развитие системы автоматизированного определения эмоций и возможные сферы применения. Открытое образование, 2011, № 2, с. 59-62.
[10] Milborrow S., Nicolls F. Active Shape Models with SIFT Descriptors and MARS. VISAPP(2), 2014, pp. 380-387.
[11] Gabor D. Theory of communication. Part 1: The analysis of information. Journal of the IEE, 1946, vol. 93, no. 26, pp. 429-441.
[12] Бабий М.С, Чекалов А.П. Распознавание изображений на основе двумерного вейвлет-анализа. Вісник Сумського державного університету. Серія Технічні науки, 2012, № 1, с. 20-24.
[13] Князев Б.А., Гапанюк Ю.Е. Распознавание аномального поведения человека по его эмоциональному состоянию и уровню напряженности с использованием экспертных правил. Инженерный Вестник, 2013, с. 509-524. URL: http://engbul.bmstu.ru/doc/568250.html (дата обращения 27.02.2015).
[14] Kanade T., Cohn J. F., Tian Y. Comprehensive database for facial expression analysis. Proceedings of the Fourth IEEE International Conference on Automatic Face and Gesture Recognition, Grenoble, France, 2000, pp. 46-53.
[15] Lucey P., Cohn J. F., Kanade T., Saragih J., Ambadar Z., Matthews I. The Extended Cohn-Kanade Dataset (CK+): A complete expression dataset for action unit and emotion-specified expression. Proc. of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition-Workshops, IEEE, 2010, pp. 94-101.