kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университетkaz29-334Research ArticleМАШИННОЕ ОБУЧЕНИЕ И АНАЛИЗ ДАННЫХDATA SCIENCE AND MACHINE LEARNINGРАСПОЗНАВАНИЕ ЛИЦ ЧЕРЕЗ РАЗЛИЧНЫЕ ВЫРАЖЕНИЯ ЛИЦАFACE RECOGNITION THROUGH VARIOUS FACIAL EXPRESSIONSАйтуленА. Д.AitulenA. D.

магистрант

МухановС. Б.MukhanovS. B.

сеньор-лектор

ХасеноваГ. И.KhassenovaG. I.

к. т. н., ассоц. профессор

Международный университет информационных технологийКазахстанInternational IT UniversityKazakhstan201919112021163498503Copyright © Айтулен А.Д., Муханов С.Б., Хасенова Г.И., 20212021Айтулен А.Д., Муханов С.Б., Хасенова Г.И.Aitulen A.D., Mukhanov S.B., Khassenova G.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.kbtu.edu.kz/jour/article/view/334

Распознавание лиц является основной задачей проблемы, которую решают разработчики, а также оно привлекает простых пользователей, поскольку эта область называется интервенцией биометрической модальности. В этой статье предложен новый метод идентификации, то есть обнаружение (распознавание) лиц с разными эмоциями. Этот подход состоит из двух элементов: первое - это распознавание выражений лица и второе - распознавание лиц. Метод отражает еще два важных этапа для повышения качества распознавания при изменении выражений лица. Первый шаг - выбрать особо выделенные характеристики, отвечающие за образование эмоций лиц, применяя подход (метод) взаимной информации. Это действие помогает эффективно повысить точность классификации выражений лица, а также сократить размер вектора признаков. На втором этапе использован анализ основных компонентов (PCA) по построению EigenFaces для каждого класса выражений лица. Затем распознавание лица выполняется путем проецирования лица на соответствующее выражение лица Eigen Faces. Методика PCA значительно уменьшает размерность исходных пространств, поскольку распознавание лиц выполняется в уменьшенном пространстве EigenFaces. Проведено экспериментальное исследование для оценки эффективности предложенного подхода с точки зрения точности распознавания лиц и сложности пространства-времени.

Face recognition is the main task of the problem that the developers solve, and it also attracts ordinary users, since this area is called intervention biometric modality. In this article, we proposed a new method for identification, that is, the detection (recognition) of faces with different emotions of faces. This approach consists of two elements: the first is facial expression recognition and the second is facial recognition. The method reflects two more important steps to improve the quality of face recognition when changing facial expressions. The first step to choose is specially selected characteristics that decide for the formation of the emotions of individuals, applying the approach (method) of mutual information. This action helps to effectively improve the accuracy of the classification offacial expressions, as well as reduce the size of the feature vector. In the second stage, we used the basic component analysis (PCA) to build EigenFaces for each class of facial expressions. Then, face recognition is performed by projecting the face onto the corresponding Eigen Faces facial expression. The PCA technique significantly reduces the dimension of the original spaces, since face recognition is performed in the reduced EigenFaces space. An experimental study was conducted to evaluate the effectiveness of the proposed approach in terms of the accuracy offace recognition and space-time complexity.

распознавание выражений лицараспознавание лицлокальная двоичная структура (LBP)анализ главных компонентов (PCA)взаимная информациямашина опорных векторов (SVM)Facial Expression RecognitionFacial RecognitionLocal Binary Structure (LBP)Principal Component Analysis (PCA)Mutual InformationSupport Vector Machine (SVM)ReferencesNeurological and Psychological Mechanisms for Producing Facial Expressions. Psychological Bulletin (American Psychological Association Inc.) (1995).Neurological and Psychological Mechanisms for Producing Facial Expressions. Psychological Bulletin (American Psychological Association Inc.) (1995).Abbas, A. (2010). Face identification using multiwavelet-based neural network. Ph.D. thesis, University of Baghdad.Abbas, A. (2010). Face identification using multiwavelet-based neural network. Ph.D. thesis, University of Baghdad.Ahonen, T., & H. A. P. M. (2004). Face recognition with local binary patterns, the European Conference on Computer Vision.Ahonen, T., & H. A. P. M. (2004). Face recognition with local binary patterns, the European Conference on Computer Vision.Arandjelovic, O., & S. G. F. J. C. R. D. T. (2005). Face recognition with image sets using manifold density divergence. In: CVPR.Arandjelovic, O., & S. G. F. J. C. R. D. T. (2005). Face recognition with image sets using manifold density divergence. In: CVPR.Bartlett, M. S., & L. G. F. I. M. R. (2003). Real time face detection and facial expression recognition: Developmentandapplicationto human computer interaction. In: CVPR Workshop on CVPR for HCI.Bartlett, M. S., & L. G. F. I. M. R. (2003). Real time face detection and facial expression recognition: Developmentandapplicationto human computer interaction. In: CVPR Workshop on CVPR for HCI.Barton,J. J.,& Z. J. K. J. P. (2003). Perception of global facial geometry in the inversion effect and prosopagnosia. Neuropsychologia.Barton,J. J.,& Z. J. K. J. P. (2003). Perception of global facial geometry in the inversion effect and prosopagnosia. Neuropsychologia.Belhumeur P. N., & H. J. K. D. (1997). Eigenfaces vs. fisherfaces, Recognition using class specif­ic linear projection. J. IEEE Trans (PAMI).Belhumeur P. N., & H. J. K. D. (1997). Eigenfaces vs. fisherfaces, Recognition using class specif­ic linear projection. J. IEEE Trans (PAMI).Y.-Q. Wang, «An Analysis of Viola-Jones Face Detection Algorithm, » IPOL Journal, 2013.Y.-Q. Wang, «An Analysis of Viola-Jones Face Detection Algorithm, » IPOL Journal, 2013.L. Shapiro and D. Stockman, Computer Vision, Bin. Laboratory of Knowledge, 2006.L. Shapiro and D. Stockman, Computer Vision, Bin. Laboratory of Knowledge, 2006.

The authors declare that there are no conflicts of interest present.