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.
The article presents the preliminary concept of facial emotion recognition system. The approach focuses on the feature extraction and selection process which simplifies the stage of defining and adding new elements to the feature set. The evaluation of the system was performed with two discriminant analysis classifiers, decision tree classifier and four variants of k-nearest neighbors classifier. The system recognizes seven emotions. The verification step utilizes two databases of face images representing laboratory and natural conditions. Personal and interpersonal emotion recognitin was evaluated. The best quality of classification for personal emotion recognition was achieved by 1NN classifier, the recognition rate was 99.9% for the laboratory conditions and 97.3 for natural conditions. For interpersonal emotion recognition the rate was 82.5%.
Artykuł prezentuje wstępną koncepcje systemu rozpoznawania emocji na podstawie wyrazów twarzy. Przedstawione podejście do problemu rozpoznawania skupia uwagę na procesie ekstrakcji i selekcji cech, które upraszcza etap definiowania i dodawania nowych elementów do wektora cech. Do oceny działania systemu wykorzystano dwa klasyfikatory analizy dyskryminacyjnej, drzewo decyzyjne oraz cztery warianty klasyfikatora k-najbliższych sąsiadów. System rozróżnia siedem emocji. Działanie systemu zweryfikowano wykorzystując dwie bazy obrazów twarzy reprezentujące warunki studyjne i naturalne. Spośród badanych klasyfikatorów najlepszą skuteczność miał klasyfikator INN, którego jakość rozpoznawania wynosiła 99.9% dla warunków studyjnych i 97.3% dla warunków naturalnych.
EN
The article presents the initial concept of facial emotion recognition system. The approach focuses on the feature extraction and selection process which simplifies the stage of defining and adding new elements to the feature set. The evaluation of the system was performed with two discriminant analysis classifiers, decision tree classifier and four variants of k-nearest neighbors classifier. The system recognizes seven emotions. The verification step utilizes two databases of face images representing the studio and natural conditions. The best quality of classification was achieved by INN classifier, the recognition rate was 99.9 % for the conditions of study, and 97.3 % for natural conditions.
This work presents a control system of a social robot. The control system is based on a finite state automaton. It permits for the realization of predefined scenarios, and is able to support research in the field human-robot interactions. The system design makes the robot operational in relatively short time. Indispensable components of the control system are modules controlling the face actuation of the robot, emotion control modules, as well as the vision system responsible for people detection, and affecting the robot emotions. Performance of the system has been illustrated with a simple real object experiment.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.