Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userImproving WLD for Facial Expressions recognition using Gabor filter
تحسين أداء واصف ويبر المحلي في التعرف على تعابير الوجه باستخدام مرشح غيبر
1005
0 37
0
(
0
)
Created by
Shamra Editor
Ask ChatGPT about the research
يهدف هذا البحثإلى تحسين أداء الواصف WLD من خلال استخدام مرشحات غيبر في عملية المعالجة الأولية و مقارنة أداء هذه النتائج مع أداء الواصف LBP المستخدم بشكل واسع في عمليات التعرف على تعابير الوجه, حيث تتم هذه المقارنة من أجل النظام الخبير SVM المستخدم بشكل واسع أيضا في هذا المجال بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP.
The aim of the work is to improve the performance of the WLD descriptor using Gabor filters in a preprocessing stage. The performance of the improved descriptor will be compared with the performance of the LBP descriptor(a widely used descriptor in FER researches). This performance will be achieved using the extremely used expert system SVM besides the expert systems CSD and MLP.
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية تحسين أداء واصف ويبر المحلي (WLD) في التعرف على تعابير الوجه باستخدام مرشح غيبر. تعابير الوجه هي وسيلة أساسية للتواصل غير اللفظي بين الناس وتحمل معلومات مهمة عن الحالات الذهنية والعاطفية. ومع تزايد استخدام الحواسيب في حياتنا اليومية، فإن التفاعل بين الإنسان والحاسوب يفتقر إلى القدرة على فهم هذه الإشارات العاطفية، مما يجعل الحواسيب عمياء عاطفياً. تهدف الدراسة إلى تحسين أداء WLD من خلال استخدام مرشحات غيبر في مرحلة المعالجة الأولية، ومقارنة أداء هذا الواصف مع واصف LBP الشائع الاستخدام في التعرف على تعابير الوجه. تم استخدام النظام الخبير SVM بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP. أظهرت النتائج تحسناً كبيراً في أداء WLD عند استخدام مرشحات غيبر بنسبة تصل إلى 20%، بالإضافة إلى تحسين الوثوقية وتقليل زمن التنفيذ، خاصة مع نظام CSD.
Critical review
دراسة نقدية: تقدم الورقة البحثية مساهمة مهمة في مجال التعرف على تعابير الوجه من خلال تحسين أداء واصف ويبر المحلي باستخدام مرشح غيبر. ومع ذلك، يمكن الإشارة إلى بعض النقاط التي قد تحتاج إلى مزيد من البحث والتطوير. أولاً، تعتمد الدراسة بشكل كبير على قاعدة بيانات JAFFE التي تحتوي على صور مأخوذة في ظروف مخبرية محددة، مما قد يؤثر على تعميم النتائج في بيئات العمل الحقيقية. ثانياً، على الرغم من التحسن الكبير في الأداء، فإن التعقيد الحسابي الناتج عن استخدام مرشحات غيبر قد يكون عائقاً في تطبيقات الزمن الحقيقي. أخيراً، يمكن توسيع الدراسة لتشمل تعابير وجه إضافية مثل التعب والألم والحالات الذهنية الأخرى لتحسين شمولية النظام.
Questions related to the research
-
ما هو الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تحسين أداء واصف ويبر المحلي (WLD) في التعرف على تعابير الوجه باستخدام مرشحات غيبر في مرحلة المعالجة الأولية.
-
ما هي الأنظمة الخبيرة التي تم استخدامها في الدراسة؟
تم استخدام النظام الخبير SVM بالإضافة إلى نظامين خبيرين مقترحين هما CSD و MLP.
-
ما هي قاعدة البيانات المستخدمة في التجارب؟
تم استخدام قاعدة البيانات اليابانية JAFFE التي تحتوي على صور لعشر عارضات يابانيات يظهرن تعابير مختلفة مثل السعادة والحزن والخوف والغضب والتفاجؤ والاشمئزاز.
-
ما هي النتائج الرئيسية التي توصلت إليها الدراسة؟
أظهرت النتائج تحسناً كبيراً في أداء واصف ويبر المحلي (WLD) عند استخدام مرشحات غيبر بنسبة تصل إلى 20%، بالإضافة إلى تحسين الوثوقية وتقليل زمن التنفيذ، خاصة مع نظام CSD.
References used
Detection of Emotions from Video in Non-controlled Environment”. PHD thesis, By:RizwanKhan. University of Lyon, 2013
A Performance Evaluation of Local Descriptors ”,By: K. Mikolajczyk and C. Schmid. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 27, no. 10, pp. 1615-1630, Oct. 2005
Filtering for Texture Classification: A Comparative Study”, By: T. Randen and J.H. Husoy. IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 21, no. 4, pp. 291-310, Apr. 1999
rate research
Read More
The research presents a design for an automated checking system for students. The
system takes a picture of the student, then it extracts his/her basic facial features. The
network was trained using the reverse spreading algorithm. If a training da
tabase is
generated for each student consisting of 15 training samples contained of the necessary
facial expressions to identify the student for one time at the beginning of the semester, then
the neural network will be trained on students database to obtain a trained neural network
able to identify the students of each category depending on their physical appearance. That
will result in knowing who attends and who does not attend the session. The system
designed for this purpose was supplied with the trained network. The system provides the
possibility of automated checking for students according to the content of the study giving
the alarm in case of the existence of the picture of a student who does not belong to the
same group.
This paper presents a new method to recognize human face in different emotional situations. This method is based on proposed algorithm SD.R&C to discover skin and expression classification.
The purpose of this article is to shed light on the mechanism
and the procedures of a neuro-fuzzy controller that classifies an
input face into any of the four facial expressions, which are
Happiness, Sadness, Anger and Fear. This program works
a
ccording to the facial characteristic points-FCP which is taken
from one side of the face, and depends, in contrast with some
traditional studies which rely on the whole face, on three
components: Eyebrows, Eyes and Mouth.
The purpose of this article is to shed light on the mechanism
and the procedures of a program that classifies an input face into
any of the six basic facial expressions, which are Anger, Disgust,
Fear, Happiness, Sadness and Surprise, in addition
to normal face.
This program works by apply PCA- principal component
analysis algorithm, which is applied of one side of the face, and
depends, on contrast to the traditional studies which rely on the
whole face, on three components: Eyebrows, Eyes and Mouth.
Those out-value are used to determine the facial feature array as
an input to the neural network, and the neural network is trained by
using the back-propagation algorithm. Note that the faces used in
this study belong to people from different ages and races.
Recently PGB (photonic band gap) filters show a great
development. Here we will present two different PGB filters with
lattice etched in the ground plane. The rejection band characteristic
is function of the number and shape of elements etched. Th
ese
filters are modelling by the FWCIP method.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
