Reconnaissance des émotions humaines à partir d'images de visages

La reconnaissance des émotions humaines à partir d'images de visages basée sur l'analyse texturale et le classificateur linéaire. La reconnaissance automatique des expressions faciales (FER) joue un rôle important dans les systèmes d'IHM car la mesure des émotions des personnes a dominé la psychologie en reliant les expressions à un groupe d'émotions de base (c'est-à-dire la colère, le dégoût, la peur, le bonheur, la tristesse et la surprise). Le système de reconnaissance implique la détection des visages, l'extraction et la sélection des caractéristiques et enfin la classification. Le module de détection des visages sera utilisé pour obtenir des images de visages, qui ont une intensité normalisée, sont de taille et de forme uniformes et ne représentent que la région du visage. Les caractéristiques optimales sont sélectionnées à l'aide d'un algorithme de redondance minimale et de pertinence maximale basé sur l'information mutuelle (MI). La méthode du quotient d'information mutuelle (MIQ) pour la sélection des caractéristiques est adoptée pour sélectionner les caractéristiques optimales.

Autorentext

Dr. K. Prasanthi Jasmine, Professor in the Department of Electronics and Communication Engineering, Andhra Loyola Institute of Engineering and Technology, Vijayawada. Pursued her Doctorate (Ph.D) from Andhra University with specialization in Image Processing and M. Tech from Osmania University. She has a professional experience of 20 years.

Klappentext

La reconnaissance des émotions humaines à partir d'images de visages basée sur l'analyse texturale et le classificateur linéaire. La reconnaissance automatique des expressions faciales (FER) joue un rôle important dans les systèmes d'IHM car la mesure des émotions des personnes a dominé la psychologie en reliant les expressions à un groupe d'émotions de base (c'est-à-dire la colère, le dégoût, la peur, le bonheur, la tristesse et la surprise). Le système de reconnaissance implique la détection des visages, l'extraction et la sélection des caractéristiques et enfin la classification. Le module de détection des visages sera utilisé pour obtenir des images de visages, qui ont une intensité normalisée, sont de taille et de forme uniformes et ne représentent que la région du visage. Les caractéristiques optimales sont sélectionnées à l'aide d'un algorithme de redondance minimale et de pertinence maximale basé sur l'information mutuelle (MI). La méthode du quotient d'information mutuelle (MIQ) pour la sélection des caractéristiques est adoptée pour sélectionner les caractéristiques optimales.