Ansigtsudtryk anerkendelse

FONT SIZE:
fontsize_dec
fontsize_inc
27-02-2018 Aron Falch A

Anerkendelse af ansigtsudtryk er en del af kunstig intelligens hvis hovedformål studier af adfærd eller afsløring sygdom til videre rehabilitering.

Ansigtsudtryk er ikke kun en synlig manifestation af den følelsesmæssige tilstand, kognitiv aktivitet, personlighed og sygdom for enhver, men er meget vigtige for at lette kommunikation og interaktion mellem mennesker.

Disse udtryk hjælper overbringe nonverbal kommunikation signaler i ansigtet interaktioner og kan lette forståelsen af ​​betydningen af ​​talesprog.

Metode

Fra en database med billeder med forskellige ansigtsudtryk, er flere parametre til udvinding af disse funktioner til senere brug som input til en genkendelsessystem opnået.

Den tager hensyn til syv typiske udtryk for mennesket:

  • Neutral
  • Anger
  • Væmmelse
  • Frygt
  • Joy
  • Tristhed
  • Overraskelse

Billedbehandling og feature extraction

Billeder bearbejdes og to forskellige typer af parametre udtrækkes emner: parametrene i faste priser og binære parametre.

Parametrene er faktiske værdier i en given værdi baseret på den målte afstand, målt i antal pixels. Mens binære parametre indikere tilstedeværelsen eller fraværet af nævnte parameter.

Parametre i faste priser

1. Øge afstanden til øjenbryn - Afstand mellem krydset af den øvre og nedre øjenlåg og den nederste midtpunkt øjenbrynet.

2. Afstanden mellem det øverste øjenlåg og øjenbryn - Afstand mellem den øverste overflade af øjenlåget og øjenbryn.

3. Afstand mellem øjenbrynene - Afstand mellem midten af ​​de nedre ekstremiteter øjenbrynene.

4. Afstanden mellem det øverste øjenlåg og den nedre

5. Tykkelse af overlæben

6. tykkelse af underlæben

7. mund bredde - Afstand mellem punkter i hjørnet af læben.

8. Åbning af munden - Afstanden mellem den nedre overflade af den øvre læbe og den øvre overflade af underlæben.

Binære parametre

1. Øverste Denture - Tilstedeværelse eller fravær af de øverste tænder.

2. Sænk protese - Tilstedeværelse eller fravær af de nedre tænder.

3. Frem - Tilstedeværelse eller fravær af rynker på toppen af ​​panden.

4. Lines øjenbryn - tilstedeværelse eller fravær af rynker i regionen over øjenbrynene.

5. Lines næse - tilstedeværelse eller fravær af rynker i regionen, der strækker sig over næsen.

6. Lines hage - tilstedeværelse eller fravær af rynker i regionen hagen lige under underlæben.

7. nasolabiale linjer - Tilstedeværelse eller fravær af rynker på begge sider af næsen i området over overlæben.

For parametre i faste priser, der har symmetrisk på begge sider af ansigtet, er et gennemsnit af de to målinger opnået og efterfølgende værdierne er normaliseret i forhold til den neutrale billede.

Binære parametre er karakteriseret ved tilstedeværelsen eller fraværet af sammentrækninger af ansigtets muskler. For at detektere disse sammentrækninger kan bruge en kantdetektering algoritme til at bestemme, om det mønster er til stede eller fraværende.

Sammenligning og resultater

Parametrene opnået i behandlingen af ​​billeder sammenlignes med billeder fra databasen til at beregne resultaterne.

I forskellige projekter om anerkendelse af ansigtsudtryk, der i dag normalt opnået et gennemsnit på 90% korrekt. Alt dette afhænger af udtrykket analyseres fordi generelt er flere hits opnået i et neutralt udtryk eller overraske, at en af ​​afsky eller frygt.

Applikationer

Anerkendelse af udtryk kan føre til forskellige teknologiske eller medicinske anvendelser:

  • Sygdom afsløring
  • Rehabilitering af psykiske lidelser
  • Sociologiske undersøgelser
  • 3D-animation
  • Videospil
  • Robotics
  • Smile Detection i fotografering

Den ansigtsgenkendelse. Det fremstår som en af ​​de mest nyttige og vellykkede i de senere år biometriske applikationer. Ud over at være en meget pålidelig og effektiv sikkerhed, er det meget nyttigt i en masse ansøgninger, og det gør efterspørgslen efter ansigtsgenkendelse systemer er i konstant vækst.

Den ansigtsgenkendelse teknologi bruges til at bekæmpe pas svig, støtte retshåndhævelse, identifikation af forsvundne personer, og minimere svindel identifikationer. Det er ved at blive installeret på steder som:

  • Statslige organer
  • Banker
  • Kasinoer
  • Skoler
  • Hospitaler
  • Lufthavne

Databaser

  • Cohn-Kanade Facial Expression Database
  • Japanske kvindelige Facial Expression Database
  • CMU Multi-PIE Face Database
  • MIT-CBCL ansigtsgenkendelse Database