ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
In this paper we present a fuzzy reasoning model and a designed system for Recognition of Facial Expressions, which can measure and recognize the intensity of basic or non-prototypical emotions. The proposed model operates with encoded facial deformations described in terms of either Ekman´s Action Units (AUs) or Facial Animation Parameters (FAPs) of MPEG-4 standard and provides recognition of facial expression using a knowledge base implemented on knowledge acquisition and ontology editor Protégé. It allows modeling of facial features obtained from geometric parameters coded by AUs - FAPs and from a set of rules required for classification of measured expressions. This paper also presents a designed framework for fuzzyfication of input variables of a fuzzy classifier based on statistical analysis of emotions expressed in video records of standard Cohn-Kanade’s and Pantic´s MMI face databases. The proposed system designed according to developed model has been tested in order to evaluate its capability for detection, indexing, classifying, and interpretation of facial expressions.
دراین مقاله مدل استدلال فازی و سیستم طراحی شده برای تشخیص حالتهای چهره مطرح می کنیم که قادر به اندازه گیری و تشخیص شدت هیجانات پایه یا غیر نوعی اصلی می باشند. مدل پیشنهادی با تغییرات رمزگذاری شده چهره عمل می کند که برحسب واحدهای عمل اکمن (AU) یا پارامترهای انیمیشنی چهره (FAP) استاندارد MPEG-4 توصیف شده و حالت چهره را با استفاده از پایگاه دانش پیاده شده روی ویرایشگر اکتساب دانش و آنتولوژی Protégé تشخیص می دهد. آن امکان مدلسازی ویژگیهای چهره بدست آمده از پارامترهای هندسی کدگذاری شده توسط AUs - FAPs و مجموعه قواعد مورد نیاز جهت دسته بندی حالتهای اندازه گیری شده را فراهم می آورد. این مقاله همچنین یک چارچوب مطلوب برای فازی کردن متغیرهای ورودی دسته بند(طبقه بند) فازی مبتنی بر تحلیل آماری هیجانات ظاهر شده در رکوردهای ویدیویی پایگاههای داده چهره استاندارد Cohn-Kanade’s و Pantic´s MMI مطرح می کند. سیستم پیشنهادی طراحی شده طبق مدل توسعه یافته، برای ارزیابی قابلیتش جهت تشخیص، شاخص گذاری، دسته بندی، و تفسیر حالتهای چهره، تست شده است.