关键字 |
| 预处理、特征提取、遗传算法、神经网络算法、模板匹配、分类、数据挖掘算法。 |
介绍 |
| 图像处理是信号处理的任何形式的输入可以是照片,视频或帧和输出参数的设置。有很多方法,人类可以表达他们的情感。面部表情是最自然的方式来表达情感。 |
| 面部表情的识别是用来识别基本的人类情感。识别系统分为三个部分。基于预处理的第一步。在预处理过滤,ROI,直方图均衡化,边缘检测是应用于输入面图像。第二眼,眉毛和唇功能已经从输入图像处理。在第三阶段优化的参数,比如眼睛,眉毛和嘴唇通过遗传算法计算,然后情绪(中性,快乐、悲伤、惊讶)使用人工神经网络分类和基尼系数的方法。最后的计算结果表明,随着神经网络遗传算法给出了更好的性能。节中,我详细介绍。在第二部分中,情感识别过程的方法给出了使用遗传算法在第三节,情感识别使用数据挖掘算法。结论在第四部分提供。 |
方法 |
| 情感识别过程如下所示 |
 |
答:预处理 |
| 在预处理中,先输入面图像和输入图像上应用过滤。给定的图像转换成灰度图像和检测面临的形象。找到ROI和面临输入图像进行边缘检测。然后裁剪区域。 |
b .边缘检测 |
| 面对边界检测,首先将篮板形象转换为二进制图像。这个二进制图像用于检测前额。然后脸从额头的起始位置。最后sobel边缘检测器应用于眼睛,眉毛和嘴唇的形象。sobel边缘检测图像下面 |
 |
眼睛和嘴唇地区种植 |
| 为种植地区,考虑到w是图像的宽度和高度h是形象。作物的眼睛和嘴唇区域,然后将RGB图像根据盒子的大小。 |
d .特征提取 |
| 在图像处理,特征提取是一种特殊形式的空间减少输入数据转化为一系列的特性。眼睛的坐标,利用水平投影计算。然后周围地区Ycoordinate提出了识别的区域特性。角点检测算法是用来获取所需的角点特征的地区。 |
使用遗传算法e .情感识别 |
| 遗传算法是一个迭代过程,每次迭代中被称为一代。在每一代中,计算每个个体的健康形成新的人口。摘要遗传算法用来计算的优化价值眼睛,眉毛和嘴唇的特性。遗传算法如下。 |
| 1)代表染色体和初始种群 |
| 2)通过使用每个染色体的适应度函数计算健身 |
| 3)选择一双高适应性的染色体 |
| 4)创建新的后代通过交叉和变异算子。然后把它放在新的人口 |
| 5),直到新的人口规模成为初始人口规模重复步骤3 |
| 6)用新的人口替换初始种群 |
f .适应度函数: |
| 适应度函数是目标函数的类型和它提供最优的解决方案。适应度函数是用来获取眼睛和嘴唇的特性。 |
使用神经网络g .情感分类 |
| 人工神经网络是一种非线性网络。它的工作原理就像一个人类大脑。一般来说,神经网络的阶段被称为训练阶段。在训练阶段,调整权重。安是用于数据库优化值作为输入来训练网络。这些输入训练使用反向传播算法训练。 |
 |
| 情感识别使用数据挖掘算法 |
答:使用模板匹配特征提取 |
| 模板匹配是利用卷积和求取关联系数最高的完美匹配。眼睛,眉毛和嘴唇模板提取图像,然后提取结果所示有限矩形的形式。下面的数据挖掘算法 |
| 1)给定的输入图像转换成灰度 |
| 2)计算二维卷积 |
| 3)发现:均值和方差和分数„C” |
| 4)发现的像素值关系得分最高的地区 |
| 5)通过匹配求取关联得分,画出相应的边界矩形 |
b .提取面部特征点 |
| 周围的边界矩形形成匹配模板用于推导出矩形的左上角像素值。通过使用模板的宽度和高度,30 FCP的计算。因此,面部动画参数计算得到的像素值。这些参数表示为开放的眼睛,眼睛的宽度,高度的眉毛,开嘴唇,嘴唇和宽度。 |
面部动画参数的计算 |
| 从铸造的面部动画参数计算。 |
| 开放的眼睛: |
| ((fc7_y - fc5_y) + (fc8_y - fc6_y)) / 2 |
| 眼睛的宽度: |
| ((fc1_x - fc3_x) + (fc4_x - fc2_x)) / 2 |
| 眉毛的高度: |
| ((fc19_y - fc1_y) + (fc20_y - fc2_y)) / 2 |
| 的嘴唇:(fc26_y - fc25_y) |
| 宽唇:(fc24_y - fc23_y) |
| fc1_x, fc2_x、fc3_x fc4_x, fc7_y, fc5_y, fc8_y, fc6_y,铸造的x, y坐标位置的检测眼模板。同样铸造的fc1_y、fc2_y fc19_y, fc20_y x, y坐标位置检测到在眉模板。冷冻铸造fc23_y, fc24_y, fc25_y fc26_y y坐标的模板。这些面部参数可以用来检测数据的类标签的脸 |
| 基尼系数的方法是一个分类技术。在这种技术中,每个叶节点表示为一个类标签。分裂的基础数据集是基于执行程度的杂质的子节点。 |
结论 |
| 在本文中,我们研究了数据挖掘统计的方法和遗传优化算法。遗传算法为优化值的眼睛,眉毛和嘴唇特性。然后这使神经网络的输入,我们得到的情感。数据挖掘算法评估面部动画参数,这些参数应用于决策树使输出作为情感。因此,遗传算法给出了比数据挖掘算法更好的结果。 |
数据乍一看 |
 |
| 图 |
|
引用 |
- 面部表情识别使用数据挖掘算法-PriyankaTripathi M, KesariVerma, Ligendra Kumar Verma Nazil Parveen
- 基于图像处理的自动使用遗传algorithm1rohinipatil emotionbrecognition和分类,2 c.g.patil。
- 曾,z . et al . 2004。bimodalhci-related影响识别。icmi 04, 2004年10月13日- 15日,州立大学,宾夕法尼亚州,美国。
- pantic, m。,rothkratz, “an affect sensitive multimodal human computer interaction”, ieee, volume: 91 issue: 9, sept.2003. Pages:1370-1390.
- 从flow.ieicetransc激射微波k .识别面部表情。e。74(10): 3474 - 3483, 0环球1991。
- yacoob y。,davis, l. computing spatio-temporal representations of human faces. computer vision and pattern recognition, 1994. proceedingscvpr '94., 1994. Ieeecomputer society conference on , 21-23 june 1994 pp: 70–75.
- Bmodel图像的运动。国际研讨会论文集。
- 拉斐尔·a·卡尔沃西德尼·D 'Mello”影响检测:一个跨学科的评估的模型和方法,他们的应用程序中,“影响计算pp.18-37 IEEE事务,2010年1月至6月亚太地区。
- Habibizadnavin,米尔kamalmirnia“新算法分类面临情感通过眼睛和嘴唇特性使用粒子群优化”2012年4日internationalconference计算机建模与仿真
|
菜单
