运用类神经网路于人脸表情辨识.PPTVIP

* * 1. 悲傷時嘴角下偏，可能源於哭泣時的臉型，其功能是在苦難中求援，此表現由世世代代遺傳下來，自然成為一般不愉快的表情 2. 藉由臉部表情的變化來展現各種情緒狀態 * 研究不同民族、不同文化背景下的人們對6種臉部表情的辨別 1. 藉由臉部表情的變化來展現各種情緒狀態 * 1. 藉由臉部表情的變化來展現各種情緒狀態 * * 本篇論文希望可以藉由影像處理與類神經網路分析表情特徵變化，建立系統 對於人類表情進行擷取、辨識與分類而進行有效的回應，提供電腦與人類之間另一種互動的介面。 * 前面提到的Ekman 等學者對於臉部表情提供一套標準化的描述方式。 大部份的基本動作單元具有可加性，藉由上述的基本動作單元不同的組合表現，可以展現出七千種以上的人類臉部表情變化 * 在辨識前先定義出基本的表情，再把第二階段中所擷取出的特徵資訊直接地與定義的基本表情進行比對的動作，一般來說，此種辨識分類的方法有三種方式： * 直到所有的訓練範例學習完成，才算是完成一個學習循環 BPN：直到網路達到穩定的狀態，學習狀態才會終止 * * * * * * * * 資料庫：本論文中所使用的表情資料庫是由 28 位受測者(25 位男性，3 位女性)的表情做為本資料庫的基礎資料，而 28 位試驗者每一人各有五種表情(無表情、微笑、生氣、悲傷、快樂)，每個表情各做 4 次，總共有 560 個樣本集作為本研究的訓練樣本集(Training Set)和測試樣本集(Testing Set)。 * * * * * * * * * * * * * 運用類神經網路於人臉表情辨識 作者：李忠驊 出處：中原大學資訊工程學系碩士學位論文 報告者：藍少聰、黃俊智 報告日期：2014/06/03 Outline 前言 文獻探討 方法 實驗結果 結論 前言(1/5) 達爾文《人類和動物的表情》 表情是適應性動作的遺傳 臉部表情 眼部肌肉 顏面肌肉 口部肌肉 * 前言(2/5) Ekman 等學者對六種面部表情經由表決所判斷一致的百分比（%） * 前言(3/5) Tomkins 假定8種 原始情緒 * 前言(4/5) 臉部影像 長相：辨別身份 表情：分析當時情緒 應用 人員登錄 防盜監控 * 前言(5/5) 表情辨識系統 判斷受測者的感覺（忍耐、疼痛） 應用 解決醫療人手不足的問題 提高學習效率 聊天室互動 測謊 * 文獻探討－第一種辨識方法 基本動作單元（Action Units，AUs） 12 個上半部單元 18 個下半部單元 其他頭部份動作 藉由上述單元，可組成7000種以上的臉部表情變化。 * 文獻探討－第二種辨識方法 模板方式（Template Based） 臉部動作編碼系統（Facial Action Coding System，FACS） 僅適合特定的表情 類神經網路方式（Artificial Neural Network Based） 可藉由網路的學習以及權重值調整 規則方式（Rule Based） 常用於臉部動作（Facial Action） * 文獻探討－倒傳遞學習演算法 傳統學習循環（Learning Cycle） 一次一個訓練範例 倒傳遞類神經網路 不斷重複執行數個學習循環 * 方法(1/7) * 方法(2/7) * 方法(3/7) * 方法(4/7) * 方法(5/7) * 方法(6/7) * 方法(7/7) * 實驗結果(1/11) 資料庫： 使用的表情資料庫是由 28 位受測者(25 位男性，3 位女性)的表情做為基礎資料，每一人各有五種表情(無表情、微笑、生氣、悲傷、快樂)，每個表情各做 4 次，總共有 560 個樣本集作為本研究的訓練樣本集(Training Set)和測試樣本集(Testing Set)。 照片條件： Sony Cyber-Shot DSC-F505V 數位照相機拍攝，解析度為 640×480 像素，在室內日光燈下以單純背景為主，而臉部必須佔整個鏡頭的三分之二。 * 實驗結果(2/11) * 實驗結果(3/11) * 實驗結果(4/11) * 實驗結果(5/11) * 實驗結果(6/11) * 實驗結果(7/11) * 實驗結果(8/11) * 實驗結果(9/11) * 實驗結果(10/11) * 實驗結果(11/11) * 結論 本篇論文主要是應用影像處理技術與倒傳遞類神經網路分析表情特徵變化，以開發一套自動化的表情辨識系統。進行的工作項目有臉部表情樣本蒐集、特徵擷取、表情分析、及表情辨識結果顯示。臉部表情樣本蒐集的選擇非常重要，直接影響倒傳遞類神經網路的工作性能，若臉部表情樣本擷取不正確、太少或是太類似，倒傳遞類神經網路的工作區間與能力將大打折扣。臉部表情樣本越多、越正