تعیین حالات احساسی فرد با تلفیق حالت چهره و صدا با ماشین بردار پشتیبان و روش mRMR-GA

تشخیص حالات احساسی چهره یکی از قوی ترین ابزارها برای تشخیص حالات و تمایلات انسانها با یکدیگر می باشد که در بسیاری از حوزه ها از جمله روانشناسی، مذاکرات تجاری ، تشخیص هویت، مصاحبه های کاری، ایمن سازی رانندگی خودروها، آزمایش بازی های رایانه ای و غیره کاربردهای فراوان دارد. با توجه به اهمیت موضوع، دقت تشخیص حالات احساسی چهره توسط یک سیستم هوشمند و همچنین تعداد ویژگی ها همواره چالش برانگیز می باشد. در روش پیشنهادی در این مقاله، علاوه بر استخراج ویژگی های چهره، به استخراج ویژگیهای صدای انسان نیز پرداخته شده است. انتخاب ویژگی ها با استفاده از الگوریتم ژنتیک با تابع هدف mRMR (حداقل افزونگی-حداکثر ارتباط) صورت گرفته است. روش پیشنهادی ضمن کاهش حافظه مصرفی و کاهش تعداد ویژگی ها، تشخیص قابل قبولی را از حالات چهره ارائه می نماید. در روش پیشنهادی برای تشخیص احساس، از ماشین بردار پشتیبان (SVM(استفاده شده است. برای ایجاد تناسب و متعادل سازی نمونه های موجود در هر دسته، از روش SMOTE استفاده شده است. مجموعهی داده های طبیعی مورد آزمایش شامل ویدیوهایی از صدا و تصویر انسانهای واقعی است و بر روی 7 احساس شامل: ناراحتی ، خستگی ، عصبانیت ، ترس، شادی، تنفر و حالت طبیعی، آزمایشات انجام گرفته است. روش پیشنهادی در این پژوهش با 4 روش دیگر شامل: الگوریتم ژنتیک بدون mRMR برای 7 احساس، بدون انتخاب ویژگی برای 7 احساس، بدون انتخاب ویژگی برای 4 احساس، و انتخاب ویژگی با استفاده از mRMR مقایسه شده است. نتایج بدست آمده در این پژوهش نشان داد که میزان صحت طبقه بندی برای روش پیشنهادی 86,3 می باشد، که نسبت به سایر روشها بهبود یافته وهمچنین حداکثر حافظه مصرفی در روش پیشنهادی 143,63 مگابایت است که نسبت به سایر روشها کمتر است.

Keywords:

بردار پشتیبان ماشین , SVM , mRMR-GA , دقت انتخاب ویژگی , تعداد ویژگی ها , صحت طبقه بندی , حافظه مصرفی