TÓM TẮT

Bài toàn nhận dạng cảm xúc đã bắt đầu được nghiên cứu từ những năm 1970 nhưng kết quả đạt được vẫn còn nhiều hạn chế. Hiện nay vấn đế này vẫn đang được rất nhiều người quan tâm bởi tính hấp dẫn cùng những vấn đề phức tạp của nó. Mục tiêu của khóa luận này là nghiên cứu và đánh giá về các phương pháp nhận dạng mặt người trong việc nhận dạng ra 5 cảm xúc cơ bản: Vui, buồn, ghê tởm, dận giữ và tự nhiên trên ảnh tĩnh, chính diện.

Từ khóa: Facial Expression Recognition, Principal Component Analysis, Neural Network, Decision Tree, Weka…

MỤC LỤC

LỜI CẢM ƠN i

TÓM TẮT ii

DANH MỤC HÌNH ẢNH v

Chương 1. GIỚI THIỆU 1

1.1 Cấu trúc của khóa luận 1

1.2 Nhận dạng cảm xúc khuôn mặt và ứng dụng 1

1.3 Một số phương pháp nhận dạng cảm xúc khuôn mặt 2

1.3.1 Các phương pháp dựa trên đặc trưng của ảnh 2

1.3.2 Phương pháp sử dụng Action Units 3

1.3.3 Phương pháp dùng mô hình AAM kết hợp tương quan điểm 4

1.3.4 Mô hình tổng quan 4

1.4 Các thách thức trong vấn đề nhận dạng cảm xúc khuôn mặt 5

1.5 Các vấn đề liên quan 5

Chương 2. MỘT SỐ LÝ THUYẾT CƠ BẢN 7

2.1 Giới thiệu về mạng nơron 7

2.1.1 Mạng Perceptron nhiều tầng (MPL – Multi Perceptron Layer) 8

2.1.2 Ánh xạ mạng lan truyền tiến 8

2.1.3 Hàm sigmoid 11

2.1.4 Thuật toán lan truyền ngược 12

2.2 Giới thiệu về PCA 19

2.2.1 Một số khái niệm toán học 19

2.2.2 Ma trận đại số 22

2.2.3 Eigenvector (Vectơ riêng) 23

2.2.4 Eigenvalue (Giá trị riêng) 23

2.2.5 Phân tích thành phần chính (PCA) 24

Chương 3. CÁC PHƯƠNG PHÁP NHẬN DẠNG CẢM XÚC KHUÔN MẶT 25

3.1 Nhận dạng cảm xúc dựa trên PCA truyền thống 25

3.1.1 Trích chọn đặc trưng 25

3.1.2 Quá trình nhận dạng 26

3.2 Nhận dạng cảm xúc dựa trên PCA kết hợp các thuật toán học 27

3.2.1 Mạng nơron 27

3.2.2 Cây quyết định 27

Chương 4. THỰC NGHIỆM 29

4.1 Môi trường thực nghiệm 29

4.2 Dữ liệu đầu vào 29

4.3 Khảo sát và đánh giá 29

4.3.1 Phương pháp PCA truyền thống 30

4.3.2 Phương pháp sử dụng mạng nơron 30

4.3.3 Phương pháp sử dụng cây quyết định 31

4.4 Tổng kết 32

Chương 5. KẾT LUẬN 33

PHỤ LỤC - MỘT SỐ THUẬT NGỮ ANH – VIỆT 34

TÀI LIỆU THAM KHẢO 35

DANH MỤC HÌNH ẢNH

Hình 1: Mô hình nhận dạng cảm xúc 4

Hình 2: Mô hình mạng lan truyền tiến 8

Hình 3: Đồ thị hàm truyền sigmoid 11

Hình 4: Lan truyền ngược 14

Hình 5: Minh họa việc tính δj cho việc tính nút ẩn j 17

Hình 6: Ví dụ về 1 non-eigenvector và 1 eigenvector 22

Hình 7: Ví dụ về 1 eigenvector có tỉ lệ khác vẫn 1 là eigenvector 23

Hình 8: Ví dụ về trích chọn đặc trưng bằng PCA 25

Hình 9: Mô hình mạng nơron 27

Hình 10: Cây quyết định 28