Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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