CC BY
6Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
INSON YUZ TASVIRIDAN HISSIYOTLARNI ANIQLASH UCHUN GEOMERTIK XUSUSIYATLARINI VA TASHQI KO'RINISHGA ASOSLANGAN XUSUSIYATLARINI
AJRATIB OLISH
Kurbanov Abduraxmon Alishboyevich,
Mirzo Ulug'bek nomidagi O'zbekiston Milliy universitetining Jizzax filiali tayanch doktoranti [email protected]
Annotatsiya. Inson qarshisida turgan suhbatdoshining emotsional holatini ko'rish, anglash va his qilish kabi sezish qobiliyatlari yordamida osongina aniqlay oladi, biroq kompyuter tizimlari uchun bu juda murakkab masaladir. Hissiyotlarni avtomatik aniqlash borasida zamonaviy kompyuter texnologiyasi va sun'iy intelekt tizimlari samarali bashoratlarni taqdim etishayapti, lekin zamonaviy CNN texnologiyalari yordamida juda katta ma'lumotlar to'plami bilan qurilgan chuqur o'rganish modellari ham murakkab hissiy holatlarni aniqlash borasida mukammal emasligi isbotlangan. Ushbu maqolamizda hissiy holatni to'g'ri baholash uchun zarur bo'lgan yuz xususiyatlarini aniqlash masalasi hal qiladi.
Kalit so'zlar: Local binary pattern (mahalliy ikkilik naqshlar), Histogram of Oriented Gradients (yo'naltirilgan gradientlar gistogrammasi), konvolutsion neyron tarmoqlari. SVM, k-NN, random forest, Haarcascads, bilateralFilter
Kirish. Tuyg'ularni tushinish shaxslararo muloqotning shuningdek ijtimoiy hayotdagi o'zaro aloqaning muhim vositalaridan biridir. So'nggi o'n yillikda yuz tahlili sohasida bir qancha yutuqlarga erishildi. Ishlab chiqilgan natijalar va modellar biometric xavfsizlik sohasida shaxsni identifikatsiya qilish tizimlari, ta'limda o'quvchilarning diqqat va e'tibor darajasini kuzatishda, insonlarning ruhiy salomatligini nazorat qilishda keng qo'llanila boshlandi.
Yuz tasvirlaridan inson hissiyotlarini aniqlash uchun hissiy holatlarni ifodalovchi vizual belgilarni ajratib olish va izohlash jarayoniga qaratilgan bir qator algoritmik bosqichlar bajariladi. Tasvirga ishlov berish bosqichida Haarcascads, Yo'naltirilgan Gradientlar Gistogrammasi yoki chuqur o'rganishga asoslangan detektorlar (masalan, YOLO, MTCNN) kabi usullardan foydalangan holda yuz tasviri aniqlanadi. yuzni aniqlagandan so'ng, yuzning o'lchami va masshtabi standartlashtiriladi. Bunda turli hil resize operatsiyalaridan foydalanish mumkin. Tasvir Gauss xiralashtirish yoki bilateralFilter kabi usullar yordamida tasvirdagi shovqinlar kamaytiriladi yani tiniqlashtiriladi. Keying boshqich xususiyatlarga ajratish bosqichi bo'lib, tuyg'ularni aniqlashda ishlatiladigan xususiyatlarning ikkita asosiy turi
mavjud, lekin ba'zi tadqiqotchilar tomonidan gibrid usullar ham ishlab chiqilgan. Geometrik xususiyatlar - Faol shakl modellari yoki chuqur o'rganishga asoslangan usullar (masalan, OpenFace, dlib) kabi algoritmlar ko'zlar, burun, og'iz va qoshlarning holati kabi yuzdagi asosiy nuqtalari aniqlanadi. So'ngra bu belgilar orasidagi masofalar, burchaklar va nisbiy pozitsiyalar hissiyotlar bilan bog'liq ifodalarni aniqlash uchun ishlatiladi (masalan, g'azab uchun chimirilgan qoshlar yoki baxt uchun baland lablar). Tashqi ko'rinishga asoslangan xususiyatlar - Gabor filtrlari yoki mahalliy ikkilik naqshlar kabi filtrlar terining tuzilishini tahlil qilish yoki ko'z yoki og'iz atrofidagi qirralarni aniqlash orqali xususiyatlarga ajratiladi. Tashqi ko'rinishga asoslangan xususiyatlarni ajratishning yana bir usuli tasvirni to'g'ridat-to'g'ri konvolyutsion neyron tarmoqlaridan o'tkazilib tahlil qilinadi. Konvolutsion neyron tarmoqlari his-tuyg'ular bilan bog'liq nozik naqshlarni ushlay oladigan yuzdan ierarxik xususiyatlarni avtomatik ravishda olish uchun ishlatiladi. VGG-Face, ResNet yoki maxsus arxitektura kabi oldindan tayyorlangan modellar murakkab yuz tasvirlarini o'rganish imkonini beradi. Hissiy otlarning tasniflash bosqichi tegishli xususiyatlar chiqarilgandan so'ng, hissiy holatni bashorat qilish uchun tasniflash algoritmlari qo'llaniladi. Tasniflashning keng
61
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
tarqalgan ikki usuli mavjud. An'anaviy mashinaviy o'rganish algoritmlari yordamida masalan qo'llab quvatlash vektor mashinalari yoki k-eng yaqin qo'shnilar bo'lishi mumkin. Ikkichi usul chuqur o'rganish algoritmlari yordamida, eng samarali usullar bu konvolutsion neyron tarmolar yordamida. CNN-ga asoslangan modellar odatda oxirigacha his-tuyg'ularni aniqlash uchun ishlatiladi. Ushbu modellar his-tuyg'ularni to'g'ridan-to'g'ri xom piksel ma'lumotlaridan yoki olingan xususiyat xaritalaridan tasniflashni o'rganadilar.
1-rasm. Konvolutsion neyron tarmoqlarida foydalanib hissiyotlarni aniqlash.
Yuqorida kiruvchi ma'lumot sifatida inson tasvirlari olingan va undan yuz tasvirini ajratib olib tahlil qilingan. Tahlil qilish muobaynida xususiyatlar haqidagi ma'lumotlar olinadi vas hu asosida yuz tasvirida ifodalangan hiisiyot turlarida tasviflanadi. Ushbu maqolamizda Geometrik xususiyatlarni ajratib olishda uchburchaklar usuli va tashqi ko'rinishga asoslanagan xususiyatlarni ajratib olishda Gabor filteri usulidan foydalanilgan. Maqolada faqat yuz xususiyatlarini ajratib olish usullari haqida so'z yuritilgan olingan xususiyatlar asosida tuyg'ularni aniqlash jarayoni masalasini keyingi ishlarimizda hal qilamiz.
Adabiyotlar sharhi. Ko'plab ilmiy tadqiqot ishlarida hissiyotlarni aniqlashda yuzni geometrik xususiyatlarga ajratish yoki tashqi ko'rinishga asoslangan yondoshuvlardan foydalanilgan. Ishlab chiqilgan usullar ham u yoki bu yondashuv asosida insonning emotsional holati baholangan. Yuzni geometrik xususiyatlarga ajratish borasida bir qancha tadqiqotlar olib borilgan. Jumladan Murugappan M. va Mutawa A. tomonidan e'lon qilingan "Facial geometric feature extraction based emotional expression classification using machine learning
algorithms" nomli tadqiqot ishida kompyuterda yaratilgan markerlar yordamida oltita hissiy ifodani (qayg'u, g'azab, qo'rquv, ajablanish, jirkanish va baxt) tasniflash uchun yangi geometrik xususiyatlar to'plamini olish uchun triangulyatsiya usuli taklif etdi. F. Zhang va boshqalar tomonidan yuz tasvirining shakl geometriyasidan foydalangan holda bir vaqtning o'zida yuz tasvirini sintez qilish va poza-invariant yuz ifodasini aniqlash imkonini beruvchi generativ raqib tarmog'iga modelini taklif qilishdi. Qayta tiklangan xususiyatlar geometrik shakllarga mos kelmaydigan to'rtburchak shaklni aniqlaydi. Noaniq a'zolik funksiyalari taklif etilayotgan Aralash kvadratik shakl modelidan (MQSM) to'rtburchakning noaniqlik darajasini aniqlash uchun ishlatish mumkin. Noaniq xususiyatlar atribut qiymatlaridan olinadi va tasniflagichni tekshirish uchun ishlatiladi (jami 12 ta). MSQM ishlashini tekshirish uchun tajribada CK, JAFFE va ISED ma'lumotlar bazalaridan foydalaniladi. Faqat 12 ta noaniq atributlardan foydalangan holda, tavsiya etilgan usul ko'pincha mos yozuvlar rasmlariga bog'liq bo'lgan eng zamonaviy texnikalardan ustun keldi. Tadqiqotchilar o'z tadqiqotlarida an'anaviy ravishda statik xususiyatlarni tanlash usullaridan foydalanganlar. Foydali bo'lishiga qaramay, bu usullar ba'zi muhim cheklovlarga ega, ayniqsa ular spontan nutq bilan shug'ullanishga tegishli. Bu, asosan, har bir insonning yuz xususiyatlari biroz boshqacha hissiy ifodalarga olib kelishi bilan bog'liq. Ushbu muammoni hal qilish uchun tadqiqotchilar Mazher Iqbal va boshqalar ikki turdagi geometrik xususiyatga asoslangan yuz xususiyatlariga asoslangan dinamik atributlarni tanlash yondashuvini taqdim etishdi.
Tashqi ko'rinishga asoslangan xususiyatlar yordamida hissiyotlarni aniqlash borasida Y. Yaddanden o'zining "An efficient facial expression recognition system with appearance-based fused descriptors" nomli tadqiqot ishida ikkita alohida tasvir identifikatoridan foydalanishni solishtirib, ya'ni Mahalliy ikkilik naqsh va yo'naltirilgan gradientlar gistogrammasi ikki xil o'lchamlarni kamaytirish texnikasi, xususan, asosiy komponentlar tahlili va mahalliy chiziqli joylashtirishni ishlab chiqadi. Bundan tashqari, tizim samaradorligini oshirish uchun ikkala deskriptorni ham birlashtiradi. Tizimning
62
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 I Son: 3 I 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
tasniflash qismi uchun oltita asosiy his-tuyg'ularni farqlash uchun uning umumlashtirish imkoniyatlari uchun ko'p sinfli Support vektor mashinasi tasniflagichidan foydalanadi.
Tadqiqotchilar M. Kas, Y. Ruichek, R. Messoussilar tomonida taklif etilgan xususiyatlarni ajratish usulida yuz tasviridagi 49 ta aniqlangan belgilarning tekstura va shakl xususiyatlarini birlashtirishga asoslangan yondoshuvni taklif etishga. Shuningdek shakl haqidagi ma'lumotlar aniqlangan 49 belgining joylashuvini interpolyatsiya qilish orqali hosil qilingan ikkilik patchda qo'llaniladigan yo'naltirilgan gradientlar gistogrammasi (HOG) yordamida chiqariladi . Teksturaviy ma'lumotlar 49 ta kichik rasmdan hisoblab chiqiladi, ularning har biri bitta diqqatga sazovor nuqtada joylashgan bo'lib, bu erda taklif qiladigan yangi qo'lda ishlangan identifikatordan foydalangan holda ortogonal va parallel yo'nalishlarga asoslangan umumiy to'rtlik xarita ikkilik naqshlari deb nomlashgan.
Metodologiya. Ushbu maqolada biz geometrik xususiyatlar va tashqi ko'rinishga asoslangan xususiyatlarni ajratish usulini ko'rib chiqamiz. Dastlab kiritilgan tasvirdan yuz tasvirini aniqlab olamiz. Avtomatlashtirilgan yuzni tanib olish sub'ektning yuzini kamroq hisoblash resursi sarflangan holda aniqlashi zarur. Ko'zlar, og'iz va burun qismlari yuzlarini aniqlash uchun asosiy mos belgi nuqtasi bo'lib xizmat qildi. So'nggi yillarda yuzni aniqlashning turli usullari ishlan chiqilgan bo'lsa-da, Viola va Jones yuzni aniqlash usuli boshqa yuzni aniqlash usullariga qaraganda real vaqtda yuz hissiyotlarini aniqlash uchun samarali hisoblanadi. Viola va Jons algoritmida yuz, ko'z, burun va og'izni aniqlashda Haar-like xususiyatlaridan foydalanilgan. Haar-like xususiyatlar yuzni aniqlashda tasvirning asl piksel qiymatlaridan foydalanish o'rniga chiziqlar, qirralar va markazni o'rab turgan xususiyatlardan foydalangan holda qo'shni to'rtburchaklar guruhlar orasidagi piksel kontrastini (oq va qora) hisoblash uchun ishlatilgan.
l(x'.y') (1)
(1) formulada integral tasvir (x,y) yuqorida va chapdagi barcha piksel qiymatlarining yig'indisini saqlaydi. Bu doimiy vaqt ichida har qanday
to'rtburchak maydon uchun piksel intensivligi yig'indisini hisoblashga yordam beradi.
Haar-like xususiyatlar (2) ga asoslangan petseptronlar yordamida qaytariladi.
fw,b(D =
1, agar 2x,yw(x,y)I(x,y) + b > 0 0 aks holda
(2)
Shunday qilib, bu usul boshqa usullarga qaraganda yuzni aniqlash uchun kamroq hisoblash vaqti va xotira xajmini talab qiladi. Ushbu ishda veb-kameradan tasvir ketma-ketligini olish uchun OpenCV kutubxonasidan foydalaniladi. Viola-Jons algoritmidan foydalanib dasturni quyidagicha tuzish mumkin.
import cv2 facecascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade _frontalface_default.xml ') cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH,
1280)
cap.set(cv2.CAP_PROP_FRAME_HEIGHT,
1082)
while cap.isOpened():
success, frame = cap.read() grayimage = cv2.cvtColor(frame, cv2.COLOR_BGR2GRA Y) if not success: print("Kamera mavjud emas.") continue faces =
face_cascade.detectMultiScale(gray_image, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) for (x, y, w, h) in faces:
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2) # Natija
cv2.imshow('Face Detection', frame) if cv2.waitKey(5) & 0xFF == 113: break cap.release() cv2.destroyAllWindows()
63
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
Yuzning geometrik xususiyatlarini ajratib olish inson yuzining asosiy nuqtalarini (belgilarini) tahlil qilish, uning tuzilishini aniqlashga asoslangan. Bu belgilar odatda ko'zlar, burun, og'iz va jag' kabi yuz xususiyatlariga mos keladi. Masofalar va burchaklar kabi bu belgilar orasidagi munosabatlar yuzning geometriyasini tasvirlash uchun ishlatiladi. Buning uchun bir qancha usullar ishlab chiqilgan. Belgilar orasidagi Evklid masofasi - Ikki yuz belgilari orasidagi masofani Evklid masofa formulasi yordamida hisoblash mumkin. Bu og'izning kengligi, ko'zlar orasidagi masofa yoki burun balandligi kabi xususiyatlarni tavsiflash uchun foydalidir.
d = V(x1-x2)2 + (y1-y2)2 (3)
Belgilar orasidagi burchaklar - Uchta belgidan tashkil topgan burchaklar ko'zning egilishi yoki burunning qiyaligi kabi ba'zi geometrik munosabatlarni tasvirlashga yordam beradi. Burchak 0 uch nuqta o'rtasida vektor matematikasi yordamida topish mumkin:
6 = arccos
AB* ВС
(4)
\UbI IßclZ
Tomonlar nisbati - yuz ifodalari uchun yana bir muhim geometrik xususiyatdir. Bu nisbatlar turli xil yuz xususiyatlarining nisbiy hajmini tavsiflashi mumkin. Ko'zning miltillashini aniqlash uchun ishlatiladigan algoritm.
EAR =
IP2- Рб1+ IP3- Рб1
2* |p1- P41
(5)
Bu yerda p1,p2,p3,p4,p5,p6 atrofidagi diqqatga sazovor joylarni ifodalovchi nuqtalar. Bu nisbat ko'z ochiq va yopiq holatda o'zgaradi va bu ko'zni miltillashni aniqlash uchun foydalidir.
Geometrik xususiyatlarni aniqlashda yana bir qancha algoritmlar ishlab chiqilgan.
Tashqi ko'rinishga asoslangan xususiyatlar.
Yuzning his-tuyg'ularini aniqlash uchun tashqi ko'rinishga asoslangan xususiyatlarni ajratib olish yuz tasvirlaridagi tekstura, rang va intensivlik naqshlaridan olingan vizual ma'lumotlardan foydalanishni o'z ichiga oladi. Bu usul geometrik xususiyatlardan farq qiladi, ular aniq yuz belgilariga qaratilgan. Tashqi ko'rinishga asoslangan usullar yuzdagi naqshlar va qirralarni aniqlashga qaratilgan, ko'pincha hissiy
holatlarni farqlash uchun piksellar intensivligidan foydalanadi.
Tashqi ko'rinishga asoslangan xususiyatlarni aniqlashning bir qancha algoritmlari mavjud. Asosiy komponentlar tahlili (Principal Component Analysis) bu o'lchamlarni kamaytirishga asoslangan usul bo'lib, bunda asl piksel ma'lumotlarini asosiy komponentlar deb belgilaydi va o'zaro bog'liq bo'lmagan xususiyatlar to'plamiga aylantiradi. Yuz hissiyotlarini aniqlashda turli his-tuyg'ularga taalluqli tashqi ko'rinishga asoslangan eng muhim o'zgarishlarni saqlab qoladi. Mahalliy ikkilik naqshlar (Local Binary Patterns) yordamida xususiyatlarni ajratish bu har bir pikselni qo'shnilari bilan taqqoslash va natijani ikkilik naqshda kodlash orqali tasvirdagi lokal belgili teksturaga o'tkazish modeli. Bu usul yuz ifodasini aniqlashda keng qo'llanilgan, chunki u yorug'likning tushush burchagining o'zgarishiga chidamli va hisoblash jihatidan samaralidir. Gabor filtrlari -insonning ko'rish korteksi neyronlarining retseptiv maydonlarini sezishi jarayoniga taqlid qilgan holda qurib chiqilgan bo'lib, tasvirlardagi fazoviy chastotalar va yo'nalishlarni olish uchun keng qo'llaniladi. Yuz tasvirlariga qo'llanilganda, ular his-tuyg'ularni aniqlash uchun tegishli bo'lgan tekstura va qirrali ma'lumotlarni olishga yordam beradi. Gabor filtrlarining turli masshtab va yo'nalishdagi chiqishi yuz ifodalarini farqlash uchun xususiyatlar haqidagi ma'lumotlar to'plamini xosil qiladi.
(,2 ,2 ,2\ -X + )
X
exp (inj y +
(6)
Bu yerda x' = x cosd + y sind va y' = —X sind + y cosd
Natijalar. Jiola-Jons algoritmi uchun "haarcascade_frontalface_default.xml" modeli ishlab chiqilgan va OpenCV kutibxonasiga joylashtirilgan. Bu uchun dasturni quyidagicha tuzishimiz mumkin. Viola-Jons algoritmining yana bir qulayligi tasvirdani bir qancha to'liq ko'ringan yuzlarni ham aniqlay oladi. Bu narsa ko'cha kameralaridagi tasvirlarni ham tahlil qilish imkonini beradi.
64
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
2-rasm Viola-Jons algoritmidan foydalanib yuz tasvirini ajratish.
Aniqlangan nuqtalar va ularni birlashtirilishidan xosil bo'lgan uchburchaklar yuzalari Geron formulasi yordamida hisoblanadi aniqlangan qiymatlarni o'zgarishi asosida hissiyotlar klassifikatsiya qilinadi.
3-rasm. Yuzning muhim nuqtalarini belgilash.
Tasvirni Gabor filteri yordamida xususiyatlarni ajratishda tasvir piksellarini massiv shakliga o'tkazamiz va Gabor filteri ishlab chiqqan massiv asosida filterlaymiz. Gabor filteri (6) formula yordamida hisoblanadi. Ishni osonlashtirish uchun (6)
formula uchun alohoda python funksiyasini yozmaymiz OpenCV kutibxonasidagi
getGaborKernel() funksiyasidan foydalanamiz. о, в, va f parametrlarini o'zgartirish orqali turli yo'nalishlar, chastotalar va fazoviy kengliklarga ega Gabor filtrlarini yaratishimiz mumkin.
import numpy as np import cv2
import matplotlib.pyplot as plt
ksize = sigma = theta = lamda
10
-- 5
1*np.pi/2 = 1*np.pi/4
gamma=0.9 phi = 0.8
kernel = cv2.getGaborKernel((ksize, ksize), sigma,
theta, lamda, gamma, phi, ktype=cv2.CV_32F)
plt.imshow(kernel)
img = cv2.imread('my.png')
plt.imshow(img, cmap= 'gray')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) fimg = cv2.filter2D(img, cv2.CV_8UC3, kernel) kernelresized = cv2.resize(kernel, (400, 400)) plt.imshow(kernelresized) pltimshowtfmg, cmap='gray')
cv2.mshow('Kernel ', kernel resized) cv2.imshow('Filtered', fimg) cv2.waitKey() cv2.destroyAllWindows()
4-rasm. Gabor filteri
65
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
Xulosa. Biz ushbu maqolada yuz tasviridan hissiyotlarni aniqlashda umuman yuz tasvirini tahlil qilishning asosiy bosqichi bo'lgan xususiyatlarni ajratib olishning ikki hil metodini va bu metodlar uchun turli hil algoritmlarni ko'rib chiqdik. Ikkala metodologiya ham o'ziga xos afzalliklarni taqdim etadi va yuzning his-tuyg'ularini aniqlashning alohida jihatlariga e'tibor beradi.
Geometrik xususiyatlar ko'zlar, burun, og'iz va qoshlar kabi asosiy yuz belgilarining shakli va fazoviy konfiguratsiyasiga qaratilgan. Bu xususiyatlar, ayniqsa, yuz mushaklari harakatidan kelib chiqadigan mimikadagi nozik o'zgarishlarni aniqlashda samaralidir. Masofalarni, burchaklarni va joy belgilarining pozitsiyasini o'zgartirishni tahlil qilish orqali geometrik usullar hissiyotlarning ishochli talqin qilinishi mumkin.
Boshqa tomondan, tashqi ko'rinishga asoslangan xususiyatlar, masalan, tekstura deskriptorlari (masalan, Gabor filtrlari, Mahalliy ikkilik naqshlar) yordamida olingan xususiyatlar yuz mintaqalaridan intensivlik, tekstura va tasvir chegaralari haqidagi ma'lumotlarini oladi. Bu xususiyatlar teri, yuz qismlari va mushaklar harakatlarining nozik o'zgarishlarni tahlil qilish imokiyatiga ega, bu ularni nozik hissiy holatlarni aniqlash uchun samarali hisoblanadi. Tashqi ko'rinishga asoslangan usullar, odatda, yorug'lik, poza va yuz okklyuziyasidagi o'zgarishlarga nisbatan mustahkamroqdir, chunki ular butun yuz yoki muayyan hududlardagi piksel intensivligi qiymatlarini tahlil qila oladi. Biroq, ular ko'pincha yuqori o'lchamli xususiyatlar bo'shliqlarini keltirib chiqaradi, bu esa o'lchovni kamaytirish usullari va murakkabroq tasniflash algoritmlari zarur bo'ladi.
Geometrik va tashqi ko'rinishga asoslangan xususiyatlarni aniqlashning gibrid yondashuv ham ishlab chiqilgan bo'lib, chuqur o'rganish algoritmlari yordamida takomillashtiriladi bu jarayon yuz hissiyotlarini aniqlash tizimlarining aniqligi va mustahkamligini sezilarli darajada yaxshilaydi.
Foydalanilgan adabiyotlar
1. Murugappan, M., and A. Mutawa. "Facial geometric feature extraction based emotional
expression classification using machine learning algorithms." Plos one 16.2 (2021): e0247131.
2. F. Zhang, T. Zhang, Q. Mao and C. Xu, "Geometry Guided Pose-Invariant Facial Expression Recognition," in IEEE Transactions on Image Processing, vol. 29, pp. 4445-4460, 2020, doi: 10.1109/TIP.2020.2972114.
3. Muruganandam, S. et al. "A Survey: Comparative study of security methods and trust manage solutions in MANET." 2019 Fifth International Conference on Science Technology Engineering and Mathematics (ICONSTEM) 1 (2019): 125-131.
4. Iqbal, JL Mazher, et al. "Facial emotion recognition using geometrical features based deep learning techniques." INTERNATIONAL JOURNAL OF COMPUTERS COMMUNICATIONS & CONTROL 18.4 (2023).
5. Yaddaden, Yacine. "An efficient facial expression recognition system with appearance-based fused descriptors." Intelligent Systems with Applications 17 (2023): 200166.
6. Kas, Mohamed, Y. Ruichek, and Rochdi Messoussi. "New framework for person-independent facial expression recognition combining textural and shape analysis through new feature extraction approach." Information Sciences 549 (2021): 200-220.
7. Bartneck, Christoph. "Affective expressions of machines." CHI'01 extended abstracts on Human factors in computing systems. 2001.
8. Viola, P. and M. Jones. Rapid Object Detection Using A Boosted Cascade Of Simple Features. in Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. 2001. IEEE.
9. Wang, Liwei, Yan Zhang, and Jufu Feng. "On the Euclidean distance of images." IEEE transactions on pattern analysis and machine intelligence 27.8 (2005): 1334-1339.
10. Juhong, Aniwat, and Chuchart Pintavirooj. "Face recognition based on facial landmark detection." 2017 10th Biomedical
66
Muhammad al-Xorazmiy nomidagi TATU Farg'ona filiali "Al-Farg'oniy avlodlari" elektron ilmiy jurnali ISSN 2181-4252 Tom: 1 | Son: 3 | 2024-yil
"Descendants of Al-Farghani" electronic scientific journal of Fergana branch of TATU named after Muhammad al-Khorazmi. ISSN 2181-4252 Vol: 1 | Iss: 3 | 2024 year
Электронный научный журнал "Потомки Аль-Фаргани" Ферганского филиала ТАТУ имени Мухаммада аль-Хоразми ISSN 2181-4252 Том: 1 | Выпуск: 3 | 2024 год
Engineering International Conference (BMEiCON). IEEE, 2017.
11. Luo, Shi, Xiongfei Li, and Xiaoli Zhang. "Wide aspect ratio matching for robust face detection." Multimedia tools and applications 82.7
(2023): 10535-10552.
12. Kurbanov Abduraxmon Alishboyevich. "Inson tanasi harakatlarini tahlil qilishda zamonaviy modellar va algoritmlarni qo'llashni o'rganish" Al-Farg'oniy avlodlari, no. 2, 2024, pp. 169-175. doi: 10.5281/zenodo.114766561
13. Kurbanov A. Developing the learning experience: how affective computing systems revolutionize modern education // Universum: технические науки: электрон. научн. журн. 2024. 4(121). URL: https://7universum .com/ru/tech/archive/item/1726 6
14. Kurbanov, Abduraxmon. "Chuqur o'rganishga asoslangan yuz tahlili: xususiyatlarni ajratib olish va his-tuyg'ularni tushunish." Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий
(2024).
15. Kurbanov Abdurahmon Alishboyevich. Methods of evaluating a person's emotional state based on the analysis of textual data. // Journal of actual problems of modern science, education and training, pp 32-40. 2023.
16. KURBANOV A.A. Multimodal emotion recognition: a comprehensive survey with deep learning. // Journal of Research and Innovation, pp. 43-47. 2023
17. Kurbanov Abdurahmon Alishboyevich. A Methodological Approach to Understanding Emotional States Using Textual Data. // Journal of Universal Science Research. 2023
18. Kurbanov Abdurahmon. AI MODELS OF AFFECTIVE COMPUTING. / International Conference of Contemporary Scientific and Technical Research. 2023.
67
