Esmaeili V, Mohassel Feghhi M, Shahdi S O. Micro-Expression Recognition based on the Multi-Color ULBP and Histogram of Gradient Direction from Six Intersection Planes. Journal of Iranian Association of Electrical and Electronics Engineers 2022; 19 (3) :123-130
URL:
http://jiaeee.com/article-1-1260-fa.html
اسماعیلی ویدا، محصل فقهی محمود، شهدی سید امید. شناسایی حالت آنی با الگوی دودویی محلی یکنواخت در فضای چند رنگی و هیستوگرام جهتگیری گرادیان روی شش صفحه متقاطع. نشریه مهندسی برق و الکترونیک ایران. 1401; 19 (3) :123-130
URL: http://jiaeee.com/article-1-1260-fa.html
دانشکده مهندسی برق و کامپیوتر- دانشگاه تبریز
چکیده: (1859 مشاهده)
احساسات درونی افراد مانند خوشحالی، ترس، ناراحتی، اضطراب و ... پس از کنترل و سرکوب شدن نیز به مدت کوتاه در چهره پدیدار میشوند. این حالت چهرهی کنترل ناپذیر، حالت آنی است و میتواند حُقّه و نیرنگ را نشان دهد. بنابراین، شناسایی آن در مراکز روان درمانی، قضایی و انتظامی بسیار کاربردی است. بااینحال، لازم است حرکات سریع و ضعیف ماهیچههای صورت بهدقت شناسایی شوند. بههمین منظور، ما در این مقاله علاوه بر بزرگنمایی حرکت، شش صفحه در امتداد بُعد زمان درنظر گرفتیم تا تغییرات را بهخوبی شناسایی کنیم. همچنین، روشهای الگوی دودویی محلی یکنواخت در فضای رنگی از شش صفحه متقاطع و هیستوگرام جهتگیری گرادیان روی شش صفحه متقاطع را پیشنهاد کردیم که نتایج مطلوبی در شناسایی حالت آنی تولید کردند. از آنجائیکه این روشها در شرایط تغییرات نور و روشنایی بهتر عمل میکنند، میتوانند در محیط کنترل نشده و واقعی مورد استفاده قرار گیرند. طبق نتایج آزمایشها، بهترین دقت شناسایی حالت آنی با روش پیشنهادی روی سه پایگاه داده CASME I، CASME II و SMIC-NIR به ترتیب 12/74، 19/86 و 23/66 درصد است که نسبت به روشهای مقالات پیشین بهبود یافته است.
نوع مقاله:
پژوهشي |
موضوع مقاله:
مخابرات دریافت: 1399/11/3 | پذیرش: 1400/3/8 | انتشار: 1401/6/11