РАСПОЗНАВАНИЕ МИКРОВЫРАЖЕНИЙ ЛИЦА С ИСПОЛЬЗОВАНИЕМ КЛАССИФИКАТОРОВ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ 

Ольга Владимировна Мельник, доктор технических наук, доцент, профессор кафедры информационно-измерительной и биомедицинской техники, Рязанский государственный радиотехнический университет имени В. Ф. Уткина (Россия, г. Рязань, ул. Гагарина, 59/1), E-mail: omela111@yandex.ru
Виктория Александровна Саблина, кандидат технических наук, доцент, доцент кафедры электронных вычислительных машин, Рязанский государственный радиотехнический университет имени В. Ф. Уткина (Россия, г. Рязань, ул. Гагарина, 59/1), E-mail: sablina.v.a@evm.rsreu.ru
Анна Дмитриевна Черненко, аспирант, Рязанский государственный радиотехнический университет имени В. Ф. Уткина (Россия, г. Рязань, ул. Гагарина, 59/1), E-mail: anuta201294@yandex.ru 

Актуальность и цели. Задача автоматического распознавания микровыражений лица по последовательности изображений может быть решена с помощью вычислительных технологий, основанных на использовании методов и алгоритмов технического зрения. Точность результатов распознавания существенным образом зависит от выбора конкретных методов и алгоритмов, а также их параметров на каждом этапе используемой методики. Корректное распознавание микровыражений лица является ключевым фактором для решения задачи распознавания скрытых эмоций, испытываемых человеком. Микровыражения лица формируются на основе комбинации микродвижений лица. Целью работы является исследование зависимости точности обнаружения микродвижений лица от выбора параметров алгоритма вычисления дескрипторов признаков локальных бинарных шаблонов по трем ортогональным плоскостям LBP-TOP и метода машинного обучения для классификации векторов признаков. Материалы и методы. В качестве исходных данных используется набор последовательностей изображений спонтанных действий и микродвижений SAMM. Проведено исследование изменения точности обнаружения лицевых микродвижений для классификаторов на основе метода опорных векторов SVM и многослойного персептрона MLP при изменении параметров алгоритма LBP-TOP. Результаты. Установлено, что наилучшим результатом для классификатора на основе SVM является обнаружение с точностью 94 %, а для классификатора на основе MLP наилучшая точность обнаружения составила 98 %. Таким образом, в результате оптимального подбора параметров алгоритма LBP-TOP оба классификатора справляются с задачей обнаружения микродвижений лица. Выводы. Оба рассмотренных метода MLP и SVM показывают приемлемые результаты для решения задачи распознавания микровыражений лица с небольшим преимуществом MLP по сравнению с SVM. 

Ключевые слова

распознавание микровыражений, обнаружение микродвижений, машинное обучение, скрытые эмоции, дескриптор признаков, локальные бинарные шаблоны по трем ортогональным плоскостям, классификаторы, метод опорных векторов, многослойный персептрон 

 Скачать статью в формате PDF

Для цитирования:

Мельник О. В., Саблина В. А., Черненко А. Д. Распознавание микровыражений лица с использованием классификаторов на основе методов машинного обучения // Модели, системы, сети в экономике, технике, природе и обществе. 2023. № 1. С. 125–135. doi:10.21685/2227-8486-2023-1-8