Класификация на емоциите от снимка на лице на човек | Защитена на: 01/01/1900

Разпознаване на емоции от снимка на изражение на човек

 

Дипломант: Цветислав Тихомиров Викторов

Специалност: Извличане на информация и откриване на знания

 

Ключови думи: класификация, емоция, невронна мрежа

Дата на защита: 26.03.2019г

 

Целта на дипломната работа е разработка на класификатор на емоции по снимка на изражението на човек, чрез идентифициране на състоянието на съкращение на различни мускули на лицето. Решението е оптимизирано откъм време за обучение и цена на използвания хардуер. За тази цел са използвани стандартни алгоритми от областта на изкуствения интелект и машинното самообучение – невронни мрежи. Емоциите, върху които се прави класификация са щастие, гняв, изненада, тъга, страх, отвращение и неутрална.

Обобщават се проучванията в областта на анализа на настроението от изображение на лице на човек. Дава се преглед на избрания подход за решаване на проблема. Въвеждат се основните дефиниции и се разглеждат три съвременни решения в областта:

• Microsoft Kinect за 3D модел на лице с класификатор обикновена невронна мрежа,
• Поддържаща векторна машина (Support Vector Machine)
• Конволюционни невронни мрежи (Convolutional Neural Network).

Прави се анализ на решенията и точността им.

Предложената система се състои от няколко етапа на работа – предварителна обработка на снимка, обучение, тестване и класификация. За обучението е използвано множеството с предварително класифицирани данни The Karolinska Directed Emotional Faces (KDEF).  Предварителната обработка включва намиране на координатите на лицето, намиране на координатите на конкретни обекти – част от лицето (устни, очи, вежди, нос и извивка на челюстта), изчисляване на дистанции между някои от намерените точки. Тези дистанции, след нормализация, се използват за характеристики на класификатора.

За класификатор се използва невронна мрежа с право разпространение на сигнала и обратно разпространение на грешката. Състои се от десет неврона на входния слой, осем неврона за скрит слой и седем неврона за изходен слой. Прилага се cross validation. Като технологии се използват:

• Python5
• Tensoflow framework
• Библиотеки: Keras, DLib, OpenCV.

Класификаторът е обучен със 70% от обучаващото множество. Точността му е измерена с останалите 30%.

Проведени са експерименти за извличане на характеристиките от координатите на лицето по различни начини. Също така, алгоритъмът на класификатора е сравнен с друг стандартен алгоритъм за класификация – k-NN (K Nearest Neighbors). Направено е сравнение на резултатите и точностите.

Описана е софтуерната архитектура с диаграми, теоретични и практически решения.

Постигнати са следните резултати с приносен характер:

• Направен е обзор на предметната област
• Разгледани са съществуващи подходи и решения в областта. Направен е анализ на основните от тях, като са разгледани алгоритмите, функционалностите и направените оценки.
• Проектирана и реализирана е система за класификация на емоции по изображение на лице
• Направена е оценка на предложения подход в сравнение със съществуващите.
• Постигната е оптимизация, която се изразява в бързо обучение на класификатор, за което не се изисква мощен и скъп хардуер. Извършен е сравнителен анализ на резултатите от оптимизацията