Русский   English
ДонНТУ   Портал магістрів

Реферат за темою випускної роботи

Зміст

Вступ

Методи і алгоритми аналізу та синтезу емоційного стану особи людини є складовою частиною систем і засобів штучного інтелекту, які спрямовані на дослідження, створення та впровадження алгоритмічних і програмно-апаратних систем і комплексів з елементами штучного інтелекту на основі моделювання інтелектуальної діяльності людини. Моделювання та розпізнавання емоцій, як одного з каналів невербальної сигнальної і регулятивної передачі інформації, відтворює динаміку внутрішніх переживань людини, є актуальним і важливим напрямком досліджень з метою створення систем комп'ютерного розпізнавання і синтезу зорових образів. Невербальна, мімічна передача інформації людиною стала предметом інтенсивних досліджень. Проведені дослідження дозволили виділити деякі підходи до формалізації емоцій, зокрема: моделі емоцій в психології, еволюційна теорія емоцій Дарвіна, «асоціативна» теорія Вундта, «периферична» теорія Джемса-Ланге, теорія Кеннона-Барда, психоаналітична теорія емоцій, судинна теорія вираження емоцій Уейнбаума і її модифікація, біологічна теорія емоцій Анохіна, фрустрационное теорії емоцій, когнітівістского теорії емоцій, інформаційна теорія емоцій Симонова, теорія диференціальних емоцій Изарда, система до дирования станів особа або РАС8 система запропонована Екманом і ін. В результаті були отріані важливі дані для суворого експериментального дослідження відображення експресії і поставлені проблеми диференційованості сприйняття міміки обличчя. Якщо міміогенні зони відносно незалежні один від одного, то всі вони вносять однаковий внесок у загальний ефект сприйняття експресії? Як відтворюються їхні зв'язки і відносини? Або інваріантні зони міміки щодо модальності емоції?

1. Загальні відомості

В роботі розглядається задача моделювання мімічних виразів емоцій по запропонованим формальним описом базових емоцій. Для пошуку простору характеристичних ознак, побудови базису цього простору, відтворення похідних емоційних станів з подальшим застосуванням опуклою комбінації, пропонується наступне:

  1. - Створення безлічі фотографічних зображень мімічних проявів на обличчі, які відповідають ситуації, в яких виникають базові емоції, опис міміки, властивої цим емоціям;
  2. - Аналіз отриманої безлічі з метою виявлення областей, які містять характерні ознаки емоцій і їх опис;
  3. - Створення в просторі характеристичних ознак базису для подальшого розкладання по ньому довільних векторів мімічних проявів емоційних станів (як опуклою комбінації базисних емоційних станів).

2. Технології оконтуривания зображень

Існує багато технологій для отримання на зображенні точкових кривих, які відповідають контурам брів, очей і рота. В основному вони базуються на отриманні контуру зображення як різкого розмежування між елементами зображення (за допомогою згорток, аналізу кольору і т.д.) з подальшою скелетизації (отриманням контуру одиничної товщини).

В даній роботі для оконтурювання зображення пропонується застосувати імітацію роботи зорових рецепторів ока людини. Відомо, що очне яблуко знаходиться в безперервному мікрорусі. Питання про ці мікроруху має неоднозначне трактування. Можна припустити, що ці мікроруху є необхідною умовою функціонування апарату виділення контурів зображення. Для перевірки цього змусимо рецептори сітківки штучного ока зафіксувати запропоноване зображення, потім незначним чином (наприклад, на 1 точку) здвінемо зображення в сторону і знову дамо можливість рецепторам очі зафіксувати його. У цей момент на виходах рецепторів з'явиться відносна зміна сигналу. Візьмемо значення змін рецепторів і занесемо їх до відповідних точки на зображенні - отримаємо контури зображення.

Імітація змісту рецепторів на сітківці ока проходить наступним чином. Є зоб- вання і напрямок мікроруху (наприклад, діагонально на M точок). спочатку конкретний рецептор «бачить» точку з координатами (x, y), а після мікроруху - з координатами (xM, yM). Різниця кольорових площин між вхідний точкою і точкою, яка виявилася на її місці в результаті мікроруху, - це і є відносна зміна вхідного дратівної сигналу (для конкретного рецептора) Отримані таким чином контури потрібно привести до «скелетної» вид. Тобто потрібно виділити деяку середню лінію, яка правильно відображала структуру контуру. Для цього застосуємо відомий алгоритм Зонга - Суня.

3. Результати досліджень

При переході від феноменологічного опису емоцій до ситуацій, в яких емоції виникають, була створена безліч фотографічних зображень базових емоцій. Далі з отриманих зображень виділялися описаними вище способами (п. 2) необхідні для подальшої обробки контуру (брови, очі, губи і т.д.). Мал. 1 містить контури правої брови для емоцій: радість, горе, надія, страх, задоволення.

Рис. 1 - Контури правої брови

На рис. 4 контури правої брови представлені у вигляді точкової кривої.

Рис. 2 - Графік точкових кривих правої брови

На графіку видно, що положення отриманих контурів правої брови від- повідають опису міміки емоцій. Тобто видно, що для емоцій задоволення і радості особливого прояви міміки немає, для емоцій горя і надії - внутрішні куточки підняті вгору, а для емоції страху - брову піднята і зведена.

Отриманим контурів застосовувалися перетворення для отримання множин керуючих точок NURBS-кривих. Мал. 3 містить графік контуру і відповідну цьому контуру NURBS-криву для положення правої брови при емоції радості.

Рис. 3 - Графік контуру

Рис. 4 - Подання базових емоцій в контурній вигляді за допомогою NURBS-кривих

З восьми отриманих множин опорних точок NURBS-кривих (шаблонів) і вектора характеристичних мімічних ознак для зморшок був побудований базис (8) емоційних станів (B) конкретної людини. Аналогічним чином з фотографічного зображення довільної емоції, відтворює ситуацію, в якій виникає почуття провини, був побудований відповідний вектор b (9). Із застосуванням перетворення (10 - 12) був проведений розклад отриманого вектора b по базису B

Знаходження контрольних точок на обличчі

Висновки

Запропонована математична модель і цілісна інформаційна технологія для автоматичного визначення довільного емоційного стану конкретної людини як опуклою комбінації деяких базових станів. Для цього за допомогою математичної моделі і оригінального програмного забезпечення створюється базовий простір емоційних станів конкретної людини. Надалі довільний емоційний прояв цієї людини розкладається як опукла комбінація емоційних станів в цьому просторі. Для побудови базису простору емоційних станів використовуються гнучкі шаблони контурів основних зон особи. Гнучкі шаблони описуються за допомогою NURBS-кривих. Налаштування шаблону на точковий контур конкретного зображення проходить за допомогою B-сплайн апроксимації, шляхом вирішення перевизначені неоднорідної системи лінійних рівнянь. Запропонована технологія має практичну цінність в системах візуального контролю за операторами складних виробництв (атомна енергетика і т.п.) для автоматичного контролю за їх емоційним станом.

Перелік посилань

  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.