Kombinace příznaků pro rozpoznávání emocionálních výrazů ve tvářích ze statických obrazů
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F08%3APU77334" target="_blank" >RIV/00216305:26220/08:PU77334 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Combining Features for Recognizing Emotional Facial Expressions in Static Images
Popis výsledku v původním jazyce
This work approaches the problem of recognizing emotional facial expressions in static images focusing on three preprocessing techniques for feature extraction, such as Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), and Gabor filters. These methods are commonly used for face recognition and the novelty consists in combining features provided by them in order to improve the performance of an automatic procedure for recognizing emotional facial expressions. Classification performance experiments, testing new expressions and new subjects, were performed on the Japanese Female Facial Expression (JAFFE) database using a Multi-Layer Perceptron (MLP) Neural Network as classifier. The best classification performance on new expressionswas obtained combining PCA and LDA features (93% of correct recognition rate), whereas that on new subjects was obtained combining PCA, LDA and Gabor filter features (94% of correct recognition rate).
Název v anglickém jazyce
Combining Features for Recognizing Emotional Facial Expressions in Static Images
Popis výsledku anglicky
This work approaches the problem of recognizing emotional facial expressions in static images focusing on three preprocessing techniques for feature extraction, such as Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), and Gabor filters. These methods are commonly used for face recognition and the novelty consists in combining features provided by them in order to improve the performance of an automatic procedure for recognizing emotional facial expressions. Classification performance experiments, testing new expressions and new subjects, were performed on the Japanese Female Facial Expression (JAFFE) database using a Multi-Layer Perceptron (MLP) Neural Network as classifier. The best classification performance on new expressionswas obtained combining PCA and LDA features (93% of correct recognition rate), whereas that on new subjects was obtained combining PCA, LDA and Gabor filter features (94% of correct recognition rate).
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/1ET301710509" target="_blank" >1ET301710509: Sofistikované potlačovače hluku a poruch při přenosu řečových signálů pro pevné a mobilní sítě nové generace</a><br>
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2008
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Lecture Notes in Computer Science (IF 0,513)
ISSN
0302-9743
e-ISSN
—
Svazek periodika
2008
Číslo periodika v rámci svazku
5042
Stát vydavatele periodika
DE - Spolková republika Německo
Počet stran výsledku
13
Strana od-do
—
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—