ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ, СОКРАЩЕНИЯ 4
ВВЕДЕНИЕ 6
1. ОБЗОР СУЩЕСТВУЮЩИХ СИСТЕМ И МЕТОДОВ РАСПОЗНАВАНИЯ ЭМОЦИЙ 9
1.1. Существующие системы распознавания эмоций 9
1.1.1. Affectiva SDK&API 9
1.1.2. FaceReader Noldus Information Technology 10
1.1.3. Microsoft Cognitive Services Emotion API 11
1.2. Существующие методы распознавания эмоций 12
1.2.1. Статические методы распознавания 13
1.2.1.1. Метод главных компонент (PCA) 13
1.2.1.2. Линейный дискриминантный анализ (LDA). Лица Фишера 14
1.2.2. Скрытые Марковские модели 15
1.2.3. Сверточные нейронные сети 16
2. ОЦЕНКА ЭФФЕКТИВНОСТИ МЕТОДОВ РАСПОЗНАВАНИЯ ЭМОЦИЙ 18
2.1. Численные метрики качества 18
2.1.1. Доля правильных ответов 19
2.1.2. Точность и полнота 19
2.1.3. F-мера 20
2.2. Cравнение моделей распознавания эмоций с помощью численных метрик качества 20
3. РЕАЛИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ ЭМОЦИЙ 22
3.1. Используемые технологии 22
3.2. Описание системы 23
3.3. Сущности системы 24
3.4. Добавление видеоматериалов для распознавания эмоций 26
3.5. Реализация модуля обнаружения лиц 27
3.6. Реализация модуля распознавания эмоций 28
3.7. Реализация модуля обработки результатов распознавания 31
4. АПРОБАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ ЭМОЦИЙ 34
4.1. Определение точности распознавания эмоций 34
4.2. Апробация работы системы на реальных данных 36
ЗАКЛЮЧЕНИЕ 39
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 40
ПРИЛОЖЕНИЕ А 43
ПРИЛОЖЕНИЕ Б 45
ПРИЛОЖЕНИЕ В 46
ПРИЛОЖЕНИЕ Г 47
ПРИЛОЖЕНИЕ Д 48
Целью работы является разработка системы, позволяющей распознавать 7 базовых эмоций студентов с целью мониторинга их эмоционального отношения к преподаваемому материалу для повышения качества и эффективности занятий, а также своевременного реагирования в случаях выявления неблагоприятной эмоциональной обстановки.
Для достижения обозначенной цели служат следующие задачи:
1. Проведение анализа существующих методов и систем распознавания эмоций;
2. Обоснование максимально эффективного метода и алгоритма распознавания эмоций;
3. Выбор программных компонентов для реализации системы;
4. Разработка системы распознавания эмоций по видеоданным;
5. Апробация системы на собранных данных.
Первая глава данной работы содержит обзор наиболее известных на сегодняшний день существующих систем распознавания эмоций. Кроме того, в данной главе описаны существующие методы распознавания эмоций. В качестве основы для изучения способов определения эмоций послужили научные труды и публикации известных отечественных и зарубежных экспертов в данной области.
Во второй главе выпускной квалификационной работы рассмотрены численные метрики качества методов распознавания эмоций, произведен сравнительный анализ описанных в первой главе методов и выбран наиболее эффективный алгоритм.
Третья глава содержит информацию об архитектуре, технологиях разработки и технической реализации системы.
В четвертой главе представлены результаты апробации разработанной системы определения эмоций на собранных данных и сформулированы выводы по работе системы.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Определение эмоционального состояния человека на основе видео анализа его лица #9101834
Артикул: 9101834
- Предмет: Информационные системы и технологии
- Уникальность: 82% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2018 году
- Количество страниц: 49
- Формат файла: docx
- Последняя покупка: 20.04.2023
1 999p.
1. П. Экман, Психология эмоций // Пер. с англ. В. Кузин. — СПб.: Питер. - 2010. — 336 с.
2. Affectiva SDK&API [Электронный ресурс]/ Режим доступа: https://www.affectiva.com/product/emotion-sdk/, свободный
3. FaceReader Noldus Information Technology [Электронный ресурс]/ Режим доступа: https://www.noldus.com/human-behavior- research/products/facereader, свободный
4. Microsoft Cognitive Services Emotion API [Электронный ресурс] / Режим доступа: https://azure.microsoft.com/ru-ru/services/cognitive- services/emotion/, свободный
5. A. Konar, A. Chakraborty, Emotion recognition. A Pattern Analysis Approach
// Wiley, 2014. – p. 583
6. P. Maben, N. Meher, S. Sagarika, Face recognition and facial expression identification using PCA //Advance Computing Conference, 2014. -pp.1093- 1098.
7. H. Salih, L. Kulkarni, Study of video based facial expression and emotions recognition methods // I-SMAC, 2017. – pp. 84 – 92.
8. M.S. Batlett, J.C. Haget, P. Ekman, T.J. Sejniwskie, Measuring facial expressions by computer image analysis // Cambridge University Press. publc., 2000. - pp. 254–265.
9. K.M. Aswin, K. Vasudev, K. Shanty, HERS: Human emotion recognition system // Information Science (ICIS), 2016. – pp. 73 – 105.
10. Md. Uddin, A. Almogren, G. Fortino, J. Torresen, A facial expression recognition system using robust face features from depth videos and deep learnin // Computers & Electrical Engineering, 2017. – pp. 114 – 125.
11. A.V. Nefian, M.H. Hayes, Hiddden Markov Models For Face Recognition // Computer Engineering Georgia Institute of Technology. -2009.
12. S.Duffner, Face Image Analysis With Convolutional Neural Networks
//University of Freiburg. -2007. – 191 p.
13. R. W. Picard, Affective computing // MIT Press, 2000. - p. 292.
14. G. Chetty, M. Wagner, A multilevel fusion approach for audiovisual emotion recognition // AVSP, 2008. – pp. 123 – 130.
15. M. Mansouri, M. Teshnehlab, Face recognition using Convolutional Neural Network // Conference on Soft Computing in Industrial Applications, 2012. – pp. 64 – 74.
16. «Методы оценки ошибок классификации» [Электронный ресурс] / Режим доступа: https://poisk-ru.ru/s11757t5.html, свободный
17. Е. Соколов, «Выбор моделей и критерии качества» [Электронный ресурс] / Режим доступа: http://www.machinelearning.ru/wiki/images/1/1c/Sem06_metrics.pdf, свободный
18. Е.С. Мищенкова, Сравнительный анализ алгоритмов распознавания лиц
//Вестник Волгоградского государственного университета. Серия 9: Исследования молодых ученых. 2015. - № 11. - c. 75-78.
19. «Python Software Foundation» [Электронный ресурс] / Режим доступа: https://www.python.org/, свободный
20. «Официальный сайт фреймворка Djnago» [Электронный ресурс] / Режим доступа: https://www.djangoproject.com/, свободный
21. М. Лутц, Программирование на Python // Пер. с англ. – 4-е изд. – Спб.: СимволПлюс. - 2011. – 992 с.
22. «SQLite» [Электронный ресурс] / Режим доступа: http://www.sqlite.org/index.html, свободный
23. «OpenCV library» [Электронный ресурс] / Режим доступа: https://opencv.org/, свободный
24. L.A. Prieto, Z. Kominkova-Oplatkova, A performance comparison of two emotion-recognition implementations using OpenCV and Cognitive Services API // CSSS, 2017. – pp. 125 – 131.
25. А.С. Полякова, В.И. Кобер, О применении библиотеки OpenCV в задаче распознавания лиц по их изображению //Актуальные проблемы авиации и космонавтики. 2017. - Т. 1. № 12. - c. 559- 590.
26. «Cohn-Kanade (CK and CK+) database download site» [Электронный ресурс] / Режим доступа: http://www.consortium.ri.cmu.edu/ckagree/, свободный
27. А. Мавлетова, «Машинное обучение с учителем» [Электронный ресурс] / Режим доступа:
https://www.hse.ru/data/2016/09/24/1123730671/Mavletova_2016_Krysht_Co nf.pdf, свободный
2. Affectiva SDK&API [Электронный ресурс]/ Режим доступа: https://www.affectiva.com/product/emotion-sdk/, свободный
3. FaceReader Noldus Information Technology [Электронный ресурс]/ Режим доступа: https://www.noldus.com/human-behavior- research/products/facereader, свободный
4. Microsoft Cognitive Services Emotion API [Электронный ресурс] / Режим доступа: https://azure.microsoft.com/ru-ru/services/cognitive- services/emotion/, свободный
5. A. Konar, A. Chakraborty, Emotion recognition. A Pattern Analysis Approach
// Wiley, 2014. – p. 583
6. P. Maben, N. Meher, S. Sagarika, Face recognition and facial expression identification using PCA //Advance Computing Conference, 2014. -pp.1093- 1098.
7. H. Salih, L. Kulkarni, Study of video based facial expression and emotions recognition methods // I-SMAC, 2017. – pp. 84 – 92.
8. M.S. Batlett, J.C. Haget, P. Ekman, T.J. Sejniwskie, Measuring facial expressions by computer image analysis // Cambridge University Press. publc., 2000. - pp. 254–265.
9. K.M. Aswin, K. Vasudev, K. Shanty, HERS: Human emotion recognition system // Information Science (ICIS), 2016. – pp. 73 – 105.
10. Md. Uddin, A. Almogren, G. Fortino, J. Torresen, A facial expression recognition system using robust face features from depth videos and deep learnin // Computers & Electrical Engineering, 2017. – pp. 114 – 125.
11. A.V. Nefian, M.H. Hayes, Hiddden Markov Models For Face Recognition // Computer Engineering Georgia Institute of Technology. -2009.
12. S.Duffner, Face Image Analysis With Convolutional Neural Networks
//University of Freiburg. -2007. – 191 p.
13. R. W. Picard, Affective computing // MIT Press, 2000. - p. 292.
14. G. Chetty, M. Wagner, A multilevel fusion approach for audiovisual emotion recognition // AVSP, 2008. – pp. 123 – 130.
15. M. Mansouri, M. Teshnehlab, Face recognition using Convolutional Neural Network // Conference on Soft Computing in Industrial Applications, 2012. – pp. 64 – 74.
16. «Методы оценки ошибок классификации» [Электронный ресурс] / Режим доступа: https://poisk-ru.ru/s11757t5.html, свободный
17. Е. Соколов, «Выбор моделей и критерии качества» [Электронный ресурс] / Режим доступа: http://www.machinelearning.ru/wiki/images/1/1c/Sem06_metrics.pdf, свободный
18. Е.С. Мищенкова, Сравнительный анализ алгоритмов распознавания лиц
//Вестник Волгоградского государственного университета. Серия 9: Исследования молодых ученых. 2015. - № 11. - c. 75-78.
19. «Python Software Foundation» [Электронный ресурс] / Режим доступа: https://www.python.org/, свободный
20. «Официальный сайт фреймворка Djnago» [Электронный ресурс] / Режим доступа: https://www.djangoproject.com/, свободный
21. М. Лутц, Программирование на Python // Пер. с англ. – 4-е изд. – Спб.: СимволПлюс. - 2011. – 992 с.
22. «SQLite» [Электронный ресурс] / Режим доступа: http://www.sqlite.org/index.html, свободный
23. «OpenCV library» [Электронный ресурс] / Режим доступа: https://opencv.org/, свободный
24. L.A. Prieto, Z. Kominkova-Oplatkova, A performance comparison of two emotion-recognition implementations using OpenCV and Cognitive Services API // CSSS, 2017. – pp. 125 – 131.
25. А.С. Полякова, В.И. Кобер, О применении библиотеки OpenCV в задаче распознавания лиц по их изображению //Актуальные проблемы авиации и космонавтики. 2017. - Т. 1. № 12. - c. 559- 590.
26. «Cohn-Kanade (CK and CK+) database download site» [Электронный ресурс] / Режим доступа: http://www.consortium.ri.cmu.edu/ckagree/, свободный
27. А. Мавлетова, «Машинное обучение с учителем» [Электронный ресурс] / Режим доступа:
https://www.hse.ru/data/2016/09/24/1123730671/Mavletova_2016_Krysht_Co nf.pdf, свободный
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Определение эмоционального состояния человека на основе видео анализа его лица |
| Артикул: | 9101834 |
| Дата написания: | 29.12.2018 |
| Тип работы: | Дипломная работа |
| Предмет: | Информационные системы и технологии |
| Оригинальность: | Антиплагиат.ВУЗ — 82% |
| Количество страниц: | 49 |
Скрин проверки АП.ВУЗ приложен на последней странице.
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
В работе представлены только пояснительная записка и листинг программы. Самой программы нет
Файлы артикула: Определение эмоционального состояния человека на основе видео анализа его лица по предмету информационные системы и технологии
Пролистайте "Определение эмоционального состояния человека на основе видео анализа его лица" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 17.01.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 82% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 7 работ. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Разработка современных методов обработки крупномасштабных изображений стенописей архитектурных памятников
СЛЕДУЮЩАЯ РАБОТА
Разработка модуля создания и управления контентом для системы переподготовки специалистов в области web- разработки