Thesis

درجه بندی تظاهرات احساسی درد در چهره

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

تشخیص تظاهرات احساسی در چهره، یکی از زمینه های پژوهشی در موضوع ارتباط انسان با ماشین است که امروزه توجه بسیاری از محققین را به خود جلب کرده است. تشخیص خودکار تظاهرات احساسی در تصاویر چهره به دو بخش جایابی چهره و طبقه بندی ویژگی های استخراجی از تصاویر جایابی شده، تقسیم می گردد که در تحقیق حاضر، این دو بخش پیاده سازی شده اند. برای جایابی چهره، با استفاده از گذر از صفر ضرایب تبدیل گابور، یک بردار ویژگی باینری تولید شده و بر اساس معیار فاصله همینگ، مقایسه بردارهای ویژگی انجام می شود. عمل جایابی چهره بر اساس یک تصویر مرجع انجام می گردد. با استفاده از یک ساختار جستجوی هرمی، امکان جایابی چهره هایی با اندازه های مختلف در تصویر ورودی فراهم شده است. روش مورد نظر بر روی بیش از 11000 تصویر چهره از بانک های اطلاعاتی bioid، arو cohen-kanadeآزمایش شده است. دقت جایابی در پس زمینه های ساده و نورپردازی معمولی برابر 99 درصد و در پس زمینه های شلوغ برابر با 1/92 درصد به دست آمده است. در بخش طبقه بندی تظاهرات احساسی درد، علاوه بر جداسازی حالات درد از غیر درد، سعی می گردد تا تظاهرات احساسی درد در سه شدت مختلف درجه بندی گردد. بانک اطلاعاتی مورد استفاده در این تحقیق شامل 476 تصویر از 30 نفر می باشد که هر فرد علاوه بر حالت "معمولی"، تظاهرات احساسی مختلف شامل "خوشحالی"، "تعجب"، "عصبانیت" و همچنین حالت "درد" در سه درجه مختلف را ابراز نموده است. در بخش استخراج ویژگی، ابزارهایی مثل گشتاورهای زرنیک، مولفه های اساسی و تبدیل موجک گابور و گذر از صفر ضرایب گابور و همچنین انطباق تعداد محدودی الگوی احساسی استفاده شده است. در بخش طبقه بندی ویژگی ها از سه طبقه بندی کننده شبکه عصبی پس انتشار خطا، ماشین بردار پشتیبان(svm) و تجزیه بر اساس تفکیک کننده های خطی(lda) ، استفاده شده است. طبقه بندی کلاس ها به دو صورت یک مرحله ای و دو مرحله ای انجام گرفته است. در حالت یک مرحله ای، هر درجه درد یکباره نسبت به تمامی کلاس ها طبقه بندی می گردد. در حالت دو مرحله ای، ابتدا کلاس درد از غیر درد جدا شده و سپس درجه های مختلف درد نسبت به یکدیگر طبقه بندی می گردند. منحنی roc مربوط به خروجی طبقه بندی کننده ها استخراج شده و بر اساس آن مقایسه نتایج انجام گرفته است. برای درد شدید و متوسط، نتایج هر دو روش تقریباً هم ارز می باشد و برای درد کم، استفاده از طبقه بندی کننده دو مرحله ای نتایج بهتری را تولید می نماید. دقت طبقه بندی حالت درد در مقابل غیر درد برابر با 61/86 درصد و دقت طبقه بندی یک مرحله ای حالات درد شدید، متوسط و کم به ترتیب برابر با 02/77 درصد، 71/73 درصد و 15/71 درصد به دست آمده است.

Supervisors and advisors

منصور وفادوست

Similar theses

  • آثار درجه بندی تعزیرات بر اعمال مجازات سالب آزادی در قانون مجازات اسلامی مصوب 1392

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده حقوق و علوم سیاسیزهرا داوری اقدم

    رویکرد قانون جدید، پیش بینی مجازات حبس و مشمول دانستن برخی درجات آن در جایگزین های سنتی و نوین مجازات سالب آزادی می باشد، بدون اینکه از معیارهای اصولی تبعیت کند. تدوین کنندگان قانون مجازات اسلامی بر این تدرّج آثاری بار نموده اند و نسبت به برخی درجات، مجرم را مستحق اعمال جایگزین ه

  • درجه بندی بصری گرده های کم قطر صنوبر و تدوین مقاومت های مجاز آن

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه زابل - دانشکده منابع طبیعیمحمدرضا شریف پور خردونی

    چکیده این تحقیق بر روی گرده های کم قطر گونه صنوبر در شمال کشور(آمل و بابل) انجام شد. هدف از این مطالعه درجه بندی بصری گرده های کم قطر صنوبر در مصارف چوب بری و لوله بری بود. درجه بندی بصری از لحاظ گره، پوسیدگی، خمیدگی و عیوب دیگر می باشد و این عیوب در بازده نهایی تولید اثر می گذار

  • اتوماسیون درجه بندی سیب زمینی با سیستم استنتاج فازی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده کشاورزیبهزاد عظیمی سقین سرا

    سیب زمینی یکی از محصولات مهم زراعی و استراتژیک ایران است که می تواند به یکی از محصولات صادراتی ایران تبدیل شود. درجه بندی اتوماتیک یکی از مهم ترین اقدامات در جهت بالا بردن کیفیت این محصولات است که تاثیری مستقیم بر بازار پسندی این محصول و رضایت مشتری دارد. در درجه بندی سیب زمینی ب

  • درجه بندی خیار با استفاده از ماشین بینایی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده کشاورزیحمید قره خانی

    خیار از جمله میوه های پرمصرف دنیاست که تولید سالیانه آن بالغ بر 40 میلیون تن است. تولید خیار ایران بیش از 1.6 میلیون تن در سال و میزان صادرات آن 27000 تن می باشد. تولید خیار به دو صورت گلخانه ای و مزرعه ای است. با توجه به تولید غیر گلخانه ای و صادرات خیار و اینکه با درجه بندی کرد

  • طراحی، ساخت وارزیابی دستگاه درجه بندی کننده سیب درختی با استفاده از ماشین بینایی

    Thesis2010وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده کشاورزیمحمد کلهر

    با توجه به تولید بیش از2660000 تن سیب در کشور، این محصول یکی از تولیدات عمده ی بخش کشاورزی و باغی ایران را تشکیل می دهد و از این لحاظ ایران در رتبه ی چهارم در سطح جهان قرار دارد.. به علت اینکه تولید و برداشت سیب در کشور هنوز مکانیزه نشده است مقدار قابل ملاحظه ای از این محصول قبل

  • درجه بندی خرما بر اساس مراحل مختلف رسیدگی با استفاده از ماشین بینایی

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده کشاورزیراضیه پوردربانی

    خرما یکی از محصولات عمده صادراتی غیرنفتی کشور محسوب می شود که صادرات آن دارای قدمت طولانی است ولی صادرات آن در طی سنوات گذشته همواره در نوسان و در اکثر سال ها دارای رشد منفی بوده است. رسیدگی غیریکنواخت خرما روی درخت و برداشت محصول به صورت غیر انتخابی و درهم، این نیاز را پیش می آو

Similar items