Українська   English
ДонНТУ   Портал магистров

Реферат по теме выпускной работы

Содержание

Введение

Методы и алгоритмы анализа и синтеза эмоционального состояния лица человека является составной частью систем и средств искусственного интеллекта, которые направлены на исследования, создание и внедрение алгоритмических и программно-аппаратных систем и комплексов с элементами искусственного интеллекта на основе моделирования интеллектуальной деятельности человека. Моделирование и распознавания эмоций, как одного из каналов невербальной сигнальной и регулятивной передачи информации, воспроизводит динамику внутренних переживаний человека, является актуальным и важным направлением исследований с целью создания систем компьютерного распознавания и синтеза зрительных образов. Невербальная, мимическая передача информации человеком стала предметом интенсивных исследований. Проведенные исследования позволили выделить некоторые подходы к формализации эмоций, в частности: модели эмоций в психологии, эволюционная теория эмоций Дарвина, «ассоциативная» теория Вундта, «периферическая» теория Джемса-Ланге, теория Кэннона-Барда, психоаналитическая теория эмоций, сосудистая теория выражения эмоций Уейнбаума и ее модификация, биологическая теория эмоций Анохина, фрустрационные теории эмоций, когнитивистского теории эмоций, информационная теория эмоций Симонова, теория дифференциальных эмоций Изарда, система кодирования состояний лицо или РАС8 система предложена Экманом и др. В результате были отриани важные данные для строгого экспериментального исследования отображения экспрессии и поставленные проблемы дифференцированности восприятия мимики лица. Если мимиогенни зоны относительно независимы друг от друга, то все они вносят одинаковый вклад в общий эффект восприятия экспрессии? Как воспроизводятся их связи и отношения? Или инвариантные зоны мимики относительно модальности эмоции?

1. Общие сведения

В работе рассматривается задача моделирования мимических выражений эмоций по предложенным формальным описанием базовых эмоций. Для поиска пространства характеристических признаков, построения базиса этого пространства, воспроизведение производных эмоциональных состояний с последующим применением выпуклой комбинации, предлагается следующее:

  1. – Создание множества фотографических изображений мимических проявлений на лице, которые соответствуют ситуации, в которых возникают базовые эмоции, описание мимики, свойственной этим эмоциям;
  2. – Анализ полученной множества с целью выявления областей, которые содержат характеристические признаки эмоций и их описание;
  3. – Создание в пространстве характеристических признаков базиса для последующего разложения по нему произвольных векторов мимических проявлений эмоциональных состояний (как выпуклой комбинации базисных эмоциональных состояний).

2. Технологии оконтуривания изображений

Существует много технологий для получения на изображении точечных кривых, которые соответствуют контурам бровей, глаз и рта. В основном они базируются на получении контура изображения как резкой границы между элементами изображения (с помощью сверток, анализа цвета и т.д.) с последующей скелетизации (получением контура единичной толщины).

В данной работе для оконтуривания изображения предлагается применить имитацию работы зрительных рецепторов глаза человека. Известно, что глазное яблоко находится в непрерывном микроруси. Вопрос об этих микродвижения имеет неоднозначную трактовку. Можно предположить, что эти микродвижения является необходимым условием функционирования аппарата выделения контуров изображения. Для проверки этого заставим рецепторы сетчатки искусственного глаза зафиксировать предложенное изображение, затем незначительным образом (например, на 1 точку) здвинемо изображения в сторону и снова дадим возможность рецепторам глаза зафиксировать его. В этот момент на выходах рецепторов появится относительное изменение сигнала. Возьмем значение изменений рецепторов и занесем их в соответствующие точки на изображении - получим контуры изображения.

Имитация содержания рецепторов на сетчатке глаза проходит следующим образом. Есть зоб- жения и направление микродвижения (например, диагонально на M точек). сначала конкретный рецептор «видит» точку с координатами (x, y), а после микродвижения - с координатами (xM, yM). Разница цветных плоскостей между входной точкой и точкой, которая оказалась на ее месте в результате микродвижения, - это и есть относительное изменение входного раздражающего сигнала (для конкретного рецептора) Полученные таким образом контуры нужно привести к «скелетной» вид. То есть нужно выделить некоторую среднюю линию, которая правильно отражала структуру контура. Для этого применим известный алгоритм Зонга - Суня.

3. Результаты исследований

При переходе от феноменологического описания эмоций к ситуациям, в которых эмоции возникают, была создана множество фотографических изображений базовых эмоций . Далее из полученных изображений выделялись описанными выше способами (п. 2) необходимые для дальнейшей обработки контура (брови, глаза, губы и т.д.). Рис. 1 содержит контуры правой брови для эмоций: радость, горе, надежда, страх, удовольствие.

Рис. 1 – Контуры правой брови

На рис. 4 контуры правой брови представлены у виде точечной кривой.

Рис. 2 – График точечных кривих правой брови

На графике видно, что положение полученных контуров правой брови от- поведают описания мимики эмоций. То есть видно, что для эмоций удовольствия и радости особого проявления мимики нет, для эмоций горя и надежды - внутренние уголки приподняты вверх, а для эмоции страха - бровь поднята и возведена.

Полученным контуров применялись преобразования для получения множеств управляющих точек NURBS-кривых. Рис. 3 содержит график контура и соответствующую этому контуру NURBS-кривую для положения правой брови при эмоции радости.

Рис. 3 – График контура

Рис. 4 – Представление базовых эмоций в контурной виде с помощью NURBS-кривых

Из восьми полученных множеств опорных точек NURBS-кривых (шаблонов) и вектора характеристических мимических признаков для морщин был построен базис (8) эмоциональных состояний (B) конкретного человека. Аналогичным образом с фотографического изображения произвольной эмоции, воспроизводит ситуацию, в которой возникает чувство вины , был построен соответствующий вектор b (9). С применением преобразования (10 - 12) был проведен расписание полученного вектора b по базису B

Нахождение контрольных точек на лице

Выводы

Предложенная математическая модель и целостная информационная технология для автоматического определения произвольного эмоционального состояния конкретного человека как выпуклой комбинации некоторых базовых состояний. Для этого с помощью математической модели и оригинального программного обеспечения создается базовый пространство эмоциональных состояний конкретного человека. В дальнейшем произвольный эмоциональное проявление этой человека разлагается как выпуклая комбинация эмоциональных состояний в этом пространстве. Для построения базиса пространства эмоциональных состояний используются гибкие шаблоны контуров основных зон лица. Гибкие шаблоны описываются с помощью NURBS-кривых. Настройка шаблона на точечный контур конкретного изображения проходит с помощью B-сплайн аппроксимации, путем решения переопределены неоднородной системы линейных уравнений. Предложенная технология имеет практическую ценность в системах визуального контроля за операторами сложных производств (атомная энергетика и т.п.) для автоматического контроля за их эмоциональным состоянием.

Список источников

  1. Высоцкий В.А. Влияние информационных технологий на развитие систем поддержки принятия решений / В.А. Высоцкий. - М.: Выпускная квалификационная работа, 2013. - 2с.
  2. Семененко В.А. Информатика и вычислительная техника / В.А. Семененко, Э.К. Скуратович. - М.: МГИУ, 2003 - 61с.
  3. Панченко Т.В. Генетические алгоритмы / Т.В. Панченко; ред. Ю.Ю. Тарасевич. – Астрахань: Издательский дом «Астраханский университет», 2007. - 6 с.
  4. Hans-Paul Schwefel (1974): Numerische Optimierung von Computer-Modellen (PhD thesis). Reprinted by Birkhauser (1977).
  5. Рутковский Л. Методы и технологии искусственного интеллекта. — М.: Горячая линия-Телеком, 2010. — С. 520.
  6. В. В. Круглов, M. И. Дли, Р. Ю. Голунов. Нечеткая логика и искусственные нейронные сети. — М.: Физматлит, 2000. — 224 с.
  7. Свободная энциклопедия «Википедия» – Нейронная сеть [Электронный ресурс]. – Режим доступа: http://ru.wikipedia.org/wiki/Нейронная_сеть
  8. Свободная энциклопедия «Википедия» – Искусственная нейронная сеть [Электронный ресурс]. – Режим доступа: https://ru.wikipedia.org/wiki/Искусственная_нейронная_сеть
  9. Xianjun Ni Research of Data Mining Based on Neural Networks // World Academy of Science, Engineering and Technology. - 2008. - № 39. - P. 381-384.
  10. Чубукова И. Data Mining[Электронный ресурс]. – Режим доступа: http://www.intuit.ru/studies/courses/6/6/lecture/178?page=5.
  11. Системы поддержки принятия решений [Электронный ресурс].– Режим доступа: https://tpl-it.wikispaces.com/системы+поддержки+принятия+решений.