Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/35345
Назва: Комп'ютеризована система для визначення емоційного стану людини на основі відеоаналізу обличчя
Інші назви: Computer-aided system for a person emotional state identefication based on face video analysis
Автори: Домарецький, Максим Володимирович
Domaretskiy, Maksim
Приналежність: Тернопільський національний технічний університет імені Івана Пулюя
Бібліографічний опис: Домарецький М. В. Комп'ютеризована система для визначення емоційного стану людини на основі відеоаналізу обличчя : кваліфікаційна робота бакалавра за спеціальністю „123 — комп’ютерна інженерія“ / Максим Володимирович Домарецький. – Тернопіль : ТНТУ, 2021. – 51 с.
Дата публікації: чер-2021
Дата подання: чер-2021
Дата внесення: 15-чер-2021
Видавництво: Тернопільський національний технічний університет імені Івана Пулюя
Країна (код): UA
Місце видання, проведення: Тернопільський національний технічний університет імені Івана Пулюя
Науковий керівник: Гащин, Надія Богданівна
Hashtchyn, Nadia
Члени комітету: Цуприк, Галина Богданівна
Tsuprik, Halina
УДК: 004.9
Теми: відеоаналіз
розпізнавання зображень
емоції
метрики якості
open cv
lda
video analysis
image recognition
Кількість сторінок: 51
Короткий огляд (реферат): Кваліфікаційна робота присвячена розробці системи, що дозволяє розпізнавати базові емоцій студентів з метою моніторингу їх емоційного ставлення до матеріалу, який викладається. Проведено аналізу існуючих методів і систем розпізнавання емоцій, обґрунтовано максимально ефективний метод і алгоритм розпізнавання емоцій. Система створена написана на мові програмування Python 3.6 з використанням фреймворку Django. Система є веб-додатком, який дозволяє користувачам по завантажених відеозаписах лекції та презентації визначати емоційне ставлення присутніх на відеозаписі слухачів до матеріалу, який викладається користувачам. Розроблювана система була протестована на реальних даних для визначення емоційного стану студентів. Отримані практичні результати дозволяють стверджувати про ефективність використання розробки для розпізнавання базових емоцій людини.
The qualification work deals with the development of a system that allows to recognize the basic emotions of students in order to monitor their emotional attitude to the material being taught. The analysis of existing methods and systems of emotion recognition is carried out, the most effective method and algorithm of emotion recognition is substantiated. The system was created written in the Python 3.6 programming language using the Django framework. The system is a web application that allows users to determine the emotional attitude of the listeners present in the video to the material taught to users from the downloaded videos of lectures and presentations. The developed system was tested on real data to determine the emotional state of students. The obtained practical results allow us to assert the effectiveness of using development to recognize basic human emotions.
Зміст: Перелік умовних позначень, символів, одиниць скорочень і термінів... 5 Вступ...9 Розділ 1 Теоретична частина...11 1.1 Огляд систем розпізнавання емоцій ...11 1.1.1 Affectiva SDK & API ...11 1.1.2 FaceReader Noldus Information Technology ...12 1.1.3 Microsoft Cognitive Services Emotion API ...15 1.2 Огляд методів розпізнавання емоцій ...16 Розділ 2. Проектно-практична частина...23 2.1 Ефективність методів розпізнавання емоцій ...23 2.1.1 Чисельні метрики якості ...23 2.1.2 Порівняння моделей розпізнавання емоцій за допомогою чисельних метрик якості ...26 2.2 Реалізація системи розпізнавання емоцій ...27 2.2.1 Використовувані технології ...27 2.2.2 Опис системи ...28 2.2.3 Сутності системи ...29 2.2.4 Додавання відеоматеріалів для розпізнавання емоцій ....32 2.2.5 Реалізація модуля виявлення осіб...33 2.2.6 Реалізація модуля розпізнавання емоцій ...34 2.2.7 Реалізація модуля обробки результатів розпізнавання ...35 Розділ 3 Апробація систеи розпізнавання емоцій...38 3.1 Визначення точності розпізнавання емоцій ...38 3.2 Апробація роботи системи на реальних даних ...40 Розділ 4 Безпека життєдіяльності, основи охорони праці ... 434.1 Вимоги ергономіки до організації робочого місця оператора ПК ...434.2 Заходи захисту від випромінювань оптичного діапазону...46 ВИСНОВКИ ....48 Список використаних джерел...49 Додатки Додаток А. Технічне завдання
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/35345
Власник авторського права: © Домарецький Максим Володимирович, 2021
Перелік літератури: 1. Экман П. Психология эмоций — СПб.: Питер. - 2010. — 336 с. 2. Affectiva SDK&API. URL: https://www.affectiva.com/product/emotion-sdk/ (дата звернення: 28.03.2021). 3. FaceReader Noldus Information Technology. URL: https://www.noldus.com/human-behaviorresearch/products/facereader (дата звернення: 28.03.2021). 4. Microsoft Cognitive Services Emotion API. URL: https://azure.microsoft.com/ru-ru/services/cognitiveservices/emotion/ (дата звернення: 13.04.2021). 5. Konar A., Chakraborty A. Emotion recognition. A Pattern Analysis Approach // Wiley, 2014. – 583 p. 6. Maben P., Meher N., Sagarika S. Face recognition and facial expression identification using PCA. Advance Computing Conference, 2014. - pp.1093- 1098. 7. Salih H., Kulkarni L. Study of video based facial expression and emotions recognition methods. I-SMAC, 2017. – pp. 84 – 92. 8. Batlett M.S., Haget J.C., Ekman P., Sejniwskie T.J. Measuring facial expressions by computer image analysis // Cambridge University Press, 2000. - pp. 254–265. 9. Aswin K.M., Vasudev K., Shanty K. HERS: Human emotion recognition system. Information Science (ICIS), 2016. – pp. 73 – 105. 10. Uddin Md., Almogren A., Fortino G., Torresen J. A facial expression recognition system using robust face features from depth videos and deep learnin. Computers & Electrical Engineering, 2017. – pp. 114 – 125. 11. Nefian A.V., Hayes M.H. Hiddden Markov Models For Face Recognition // Computer Engineering Georgia Institute of Technology. -2009. - 41 p. 12. Duffner S. Face Image Analysis With Convolutional Neural Networks //University of Freiburg. -2007. – 191 p. 13. Picard R. W. Affective computing // MIT Press, 2000. - p. 292. 14. Chetty G., Wagner M. A multilevel fusion approach for audiovisual emotion recognition. AVSP, 2008. – pp. 123 – 130. 15. Mansouri M., Teshnehlab M. Face recognition using Convolutional Neural Network. Conference on Soft Computing in Industrial Applications, 2012. – pp. 64 – 74. 16. Методы оценки ошибок классификации. URL: https://poisk-ru.ru/s11757t5.html (дата звернення: 18.04.2021). 17. Соколов Е. Выбор моделей и критерии качества. URL: http://www.machinelearning.ru/wiki/images/1/1c/Sem06_metrics.pdf (дата звернення: 20.03.2021). 18. Мищенкова Е.С. Сравнительный анализ алгоритмов распознавания лиц //Вестник Волгоградского государственного университета. Серия 9: Исследования молодых ученых. 2015. - № 11. - c. 75-78. 19. Python Software Foundation. URL: https://www.python.org/ (дата звернення: 29.03.2021). 20. Официальный сайт фреймворка Djnago. URL: https://www.djangoproject.com/ (дата звернення: 29.03.2021). 21. Лутц М. Программирование на Python // Пер. с англ. – 4-е изд. – Спб.: СимволПлюс. - 2011. – 992 с. 22. SQLite. URL: http://www.sqlite.org/index.html (дата звернення: 12.04.2021). 23. OpenCV library. URL: https://opencv.org/ (дата звернення: 19.04.2021). 24. Prieto L.A., Kominkova-Oplatkova Z. A performance comparison of two emotion-recognition implementations using OpenCV and Cognitive Services API. CSSS, 2017. – pp. 125 – 131. 25. Полякова А.С., Кобер В.И. О применении библиотеки OpenCV в задаче распознавания лиц по их изображению // Актуальные проблемы авиации и космонавтики. 2017. - Т. 1. № 12. - c. 559- 590. 26. Cohn-Kanade (CK and CK+) database download site. URL: http://www.consortium.ri.cmu.edu/ckagree/ (дата звернення: 29.04.2021). 27. Мавлетова А. Машинное обучение с учителем. URL: https://www.hse.ru/data/2016/09/24/1123730671/Mavletova_2016_Krysht_Co nf.pdf (дата звернення: 16.05.2021). 28. Толок А.О. Крюковська О.А. Безпека життєдіяльності: Навч. посібник. – 2011. – 215 с. 29. Яремко З. М. Безпека життєдіяльності: Навч. посіб. — Львів., 2005. – 301 с. 30. Желібо Є. П. Заверуха Н.М., Зацарний В.В. Безпека життєдіяльності. Навчальний посібник. / Є. Желібо Є.П., Н.М. Заверуха П., В.В. Зацарний. – К.; Каравела, 2004. -328 с.
Тип вмісту: Bachelor Thesis
Розташовується у зібраннях:123 — Комп’ютерна інженерія (бакалаври)

Файли цього матеріалу:
Файл Опис РозмірФормат 
Domaretskiy.pdf1,63 MBAdobe PDFПереглянути/відкрити
Авторська_довідка_Домарецький.doc27,5 kBMicrosoft WordПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора