نوع مقاله : مقاله کامل پژوهشی
نویسندگان
1 دانشجوی دکتری، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی تکنیک)
2 دانشیار، دانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر(پلی تکنیک)
3 دانشیار، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر (پلی تکنیک)
چکیده
در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیمدهی سیستم بازشناسی جلوههای هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگیهای هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگیها با ویژگیهای کلنگر(تحلیل مؤلفههای مستقل هسته-محور تصویر چهره و خودِ تصویر چهره) مقایسه شدند. برای تحلیل ویژگیهای پیشنهادی، حساسیت نرخ بازشناسی آنها نسبت به تغییر نویز و تغییرات بین فردی بررسی شد. نتایج نشان داد با وابسته کردن سیستم به شخص بروز دهنده میتوان نرخ بازشناسی را تا 96% افزایش داد که این نتیجه مربوط به ویژگیهای کلنگر است. بعلاوه روش کلنگر تحلیل مؤلفههای مستقل هسته- محور در مقایسه با دیگر ویژگیها نسبت به تغییرات بین فردی حساسیت بیشتری داشته است. بر اساس دانش محدود از فرد جدید نمونههای مجازی تولید و برای تقویت یادگیری سیستم بازشناسی استفاده شد. نتیجه بازشناسی مستقل از فرد این روش در مقایسه با روش پایه بهصورت معنیداری (P<0.05) بهبود داشته و مقدار صحت تشخیص آن 91.39% است.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Person-independent facial expression recognition based on prior knowledge from the new subject
نویسندگان [English]
- Amin Mohammadian 1
- Hasan Aghaeinia 2
- Farzad Towhidkhah 3
1 Ph.D. Student, Bioelectric Department, Faculty of Biomedical Engineering, Amirkabir University of Technology
2 Associate Professor, Department of Electrical engineering, Amirkabir University of Technology
3 Associate Professor, Bioelectric Department, Faculty of Biomedical Engineering, Amirkabir University of Technology
چکیده [English]
In this paper, a method is proposed based on the prior knowledge from a new subject to improve the performance of person-independent facial expression recognition. First, in order to obtain a basic system, a combination of geometric features and texture descriptor is compared with global features (i.e., mapped face images using the Kernel-PCA and raw data of face images). The results of comparison under noisy conditions were investigated and evaluated by person-dependent/independent cross-validation method. The obtained basic system was evaluated by leave-one-subject-out cross-validation. Since the same subjects are not introduced in both training and test phases, the basic recognition system is person-independent and its performance is substantially lower than that of person-dependent cross-validation case. To improve the performance of the basic system, a method is proposed in which virtual samples are generated based on the prior knowledge from the new subject and are used in learning process. The results show that the recognition rate increases up to 96% for the person-dependent basic system, kernel-PCA method is more sensitive than the others to interpersonal variability, and the recognition rate is significantly (P<0.05) improved up to 91.39% compared to that of person-independent case.
کلیدواژهها [English]
- Facial expression recognition
- person-independent system
- prior knowledge
- virtual samples