تشخیص حالت چهره انسان با استفاده از نقاط ویژگی صورت

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 7,178

This Paper With 5 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICMVIP08_043

تاریخ نمایه سازی: 9 بهمن 1392

Abstract:

از جمله مسائل جذاب در بینایی ماشین تحلیل تصاویر حاوی انسان است. یکی از مسائل مورد توجه در این زمینه تشخیص حالت چهره در یک تصویر است. این کار برد می‌تواند در موارد مختلفی نظیر تعامل انسان و کامپیوتر، تحلیل احساس، ویدئویی تعاملی، نمای گذاری و بازیابی از پایگاه داده که تصاویر و ویدیو ها، فهم پذیر و پویانمایی مصنوعی چهره استفاده شود. چهره انسان حاوی اطلاعات معناداری از وضعیت احساسی و روحی شخص است که می‌توان از آن‌ها برای ارتباط غیرکلامی با کامپیوتر استفاده کرد. برای این منظور شش حالت کلی (به همراه حالت خنثی) برای چهره در نظر گرفته می‌شود و هدف، انتصاب تصویر چهره ورودی به یکی از این شش حالت است. شش حالت در نظر گرفته شده برای چهره عبارتند از: شادی، ناراحتی، تعجب، ترس، خشم و نفرت. در این مقاله با محاسبه تغییرات نقاط ویژگی صورت در فریم های متوالی تصویر، به تشخیص حالت چهره انسان به صورت غیر حساس به انتقال در مقیاس پرداخته‌ایم. نتایج به‌دست‌آمده نشان می‌دهد پس از انتخاب ویژگی عملکرد برنامه در حالت آنلاین مطلوب بوده و دارای حداکثر دقت 84/62% و زمان بسیار کوتاه آموزش می‌باشد.

Authors

محمد مهدی محصولی

دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی امیرکبیر - پلی تکنیک تهران

رضا صفا بخش

دانشکده مهندسی کامپیوتر و فناوری اطلاعات - دانشگاه صنعتی امیرکبیر - پلی تکنیک تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • A. W. Senior, "Face and feature finding for a face ...
  • G. Littlewort, M. Bartlett, I. Fasel, J. Susskind, and J. ...
  • B. Fasel and J. Luettin, "Automatic facial expression analysis: A ...
  • M. S. Bartlett, G. Littlewort, I. Fasel, and J. R. ...
  • M. Turk, A. Pentland, "Eigenfaces for Recognition ", Journal Cognitive ...
  • A. M. Martinez, A. C. Kak, "PCA versus LDA", IEEE ...
  • R. O. Duda, P. E. Hart, D. G. Stork, Pattern ...
  • P. N. Belhumeour, J. P. Hespanha, D. J. Kriegman, "Eigenfaces ...
  • M. J. Lyons, S. Akamatsu, M. Kamachi, J. Gyoba, "Coding ...
  • J. G. Daugman, "Complete Discrete 2-D Gabor Transforms by Neural ...
  • T. S. Le, "Image Representation Using 2D Gabor Wavelets", IEEE ...
  • C. Liu, H. Wechsler, "Gabor Feature Based Classification Using the ...
  • Deng, H. B., L. W. Jin, et al. (2005). "A ...
  • N. Tsapatsoulis, A. Raouzaiou, S. Kollias, R. Cowie, and E. ...
  • J. L. Landabaso, M. Pardas, and A. Bonafonte, video intervals", ...
  • M. Pardas, A. Bonafonte, and J. L. Landabaso, "Emotion recognition ...
  • M. Pardas and A. Bonafonte, "Facial animation parameters extraction and ...
  • T. Cootes, G. Edwards, C. Taylor, "Active appearance models ", ...
  • Kanade, T., Cohn, J. F., & Tian, Y. (2000). "Comp ...
  • Lucey, P., Cohn, J. F., Kanade, T., Saragih, J., Ambadar, ...
  • نمایش کامل مراجع