基于规则与机器学习方法的情绪识别技术
计算机视觉与模式识别
2021-03-02 v1
摘要
利用数字图像处理的情绪识别是一项繁杂的任务，因为面部情绪既依赖于扭曲的面部特征，也依赖于性别、年龄和文化。此外， varied illumination 和复杂环境等多种因素增加了面部情绪识别的复杂度。在本文中，我们使用四种显著的面部特征——眉毛、嘴部张开、嘴角和前额皱纹——来从正常、遮挡和部分遮挡图像中识别情绪。我们采用基于规则的方法，并开发了类似局部二值模式的新技术来提取上述面部特征。我们提出检测眼睛位置、眉毛收缩和嘴角的新方法。对于眼睛检测，所提方法为增强 Cr 红 (ECrR) 和抑制 Cr 蓝 (SCrB)，准确率达 98%。此外，对于眉毛收缩检测，我们提出两种技术：(1) 形态梯度图像强度 (MGII) 和 (2) 曲率线程度 (DCL)。此外，我们提出一种检测嘴角的新方法。为分类，我们使用个体分类器、多数投票 (MV) 和加权多数投票 (WMV) 方法，其模拟人类情绪敏感性 (HES)。这些方法易于实现，提高了结果准确率，并在使用部分遮挡图像进行情绪识别时表现最佳。结果确证我们的方法优于先前方法。总体准确率约为 94%。在 i5 处理器核心上单张图像处理时间约为 0.12 秒。
引用
@article{arxiv.2103.00658,
title = {Emotion recognition techniques with rule based and machine learning approaches},
author = {Aasma Aslam and Babar Hussian},
journal= {arXiv preprint arXiv:2103.00658},
year = {2021}
}