W artykule opisano i zbadano adaptacyjny system rozpoznawania emocji oparty na sieci neuronowej pracującej w trybie on-line. Przetwarzanie wstępne wykorzystuje hybrydowe podejście: dopasowanie modelu 3D do twarzy na obrazie z wykorzystaniem aplikacji FaceTracker i ekstrakcję cech geometrycznych w oparciu o metodę nadmiarowego zbioru cech. Opracowany system uzyskał 96.8% skuteczności na osobach poznanych i 84.9% na osobach nieznanych na bazie wyrazów twarzy MUG. Badania wskazują, że system skutecznie dopasowuje się do zmian w otoczeniu, utrzymując wysoką skuteczność klasyfikacji.
EN
The paper presents an adaptive facial emotion recognition system based on on-line learning neutral network. The preprocessing stage uses a hybrid aproach: a 3D face model is fitted to the image with FaceTracker application, then geometric features are extracted through extensive feature set method. The resulting classification rate on MUG facial expression databases was 96.8% for known subjects and 84.9% on unknown subjects. The research suggests that the system is able to finely adapt to the changes in environment and maintain high classification rate.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.