Kombinace příznaků pro rozpoznávání emocionálních výrazů ve tvářích ze statických obrazů

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

—

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).

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

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)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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

—