Facial expression recognition

[daneshjoo2008]

سلام

من در مورد تشخیص احساسات بر مبنای تصاویر ثابت چهره کار می کنم

ایده اصلی کار من بر روی بحث کلاسیفیکیشن متمرکز هست من میخواهم با استفاده از یک سیستم قوانین فازی و ترکیب آن با الگوریتم ژنتیک احساسات رو تشخیص دهم

من بدنبال یک سورس کد از تصاویر دیتا بیس می گردم که مراحل قبل از کلاسیفیکیشن یعنی نرمالایز کردن تصاویر و شناسایی نقاط کلیدی چهره را داشته باشد من می خواهم با استفاده از تغییرات حاصل از نقاط کلیدی در چهره دسته بندی را انجام دهم

آیا چنین سورسی وجود دارد لطفا مرا راهنمایی کنید



با تشکر

[jinxboy13]

پاسخ : Facial expression recognition

اهوک!!!!!!!!
زرنگی ها!
شوخی کردم!!!
:mrgreen: :mrgreen: :mrgreen: :mrgreen: :mrgreen: :mrgreen: :mrgreen:
ببین اصلا در این مورد ملت کد هایی نوشتن ؛ ولی اینجوری نیست که در اختیار کسی مجانی قرار بدن شما عملا داری بخش پردازش تصویرش رو بیخیال میشی که این رو حتما باید بنویسی و همینجوری کسی که روش زحمت کشیده در اختیارت قرار نمیده اینجا که هیچ من فکر نکنم جای دیگه هم پیدا کنی!!!!!!!!!

این کار رو برای مقاله خاصی داری انجام میدی یا پروژه ات هست؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟؟
من خودم یه مقاله از IEEE دیدم که این کار رو انجام داده بود با فازی ولی شک دارم با الگوریتم ژنتیک هم قاطی کرده بودش یا نه!!

قسمت سختی نیست خودت میتونی بنویسیش شبانه روزی 1 الی 2 ماه کار میبره!
البته به شرط اینکه یه چیز های زیادی سرت بشه!

موفق باشی

[daneshjoo2008]

پاسخ : Facial expression recognition

سلام
ممنون از جوایتون
بابا خبرای بد رو یجوری بدین آدم سکته نکنه
خوب اینم شوخی بود.
آقا حالا به نظر شما من از چه دییتابیسی استفاده کنم و همچنین از چه روشی که هم دقت خوبی داشته باشه و هم خیلی هم سخت نباشه. با توجه به اینکه من کار پردازش تصویر رو تازه دارم یاد میگیرم.
آها راستی من این کار رو برای پروژه دانشگاهیم میخوام. اون Paper رو هم که شما بهش اشاره کردید قبلا خوندم ولی توی اون از ژنتیک استفاده نکردند و اساس جدید بودن کار من هم روی همین قضیه است.

با تشکر

[jinxboy13]

پاسخ : Facial expression recognition

من تو این ضمینه کار نکردم نمیدونم دقیقا باید از چه روش هایی استفاده کنی!!!!!!!!!
ولی اینو میدونم که باید حتما یه دیتابیس خوب پیدا کنی چون میزان نور تصویر یا چیزهای دیگه خیلی تو اینجور کارا مهمند و بعضی وقتها میشن گیر های پروژه !!!
توی مقالات تشخیص احساسات اگر بگردی تو قسمت منابعش معمولا اسم دیتابیس رو ذکر میکنند و میتونی از اونها استفاده کنی که مطمئنا بعضی هاش هم پولی هست !!!!!!!!!!!!!!!!

شروع کن انشا... که موفق میشی
:applause: :applause: :applause: :applause: :applause: :applause: :applause: :applause: :applause:

[daneshjoo2008]

پاسخ : Facial expression recognition

با تشکر از شما
من چندین دیتابیس پیدا کردم که همه هم مجانی هستند. ولی مشکل من بیشتر در روش پیدا کردن نقاط کلیدی در صورت است که می توان از آنها به عنوان تفکیک کننده احساسات برشمرد. مقالات زیادی در این زمینه هست ولی هر کدام آمده از یک روش استفاده کرده و من در مورد جزییات این روش ها بجز اطلاعات محدودی که در مقالات ذکر شده اطلاعاتی کسب نکردم.
آیا کسی هست که بتواند در این زمینه مرا یاری کند؟

[hess]

پاسخ : Facial expression recognition

سلام .......................

من یه مقدار آزادتر بشم میتونیم باهم یه کم صحبت کنیم .. شرمنده .. سعی میکنم یه وقتی حتما خالی کنم .. فعلا ...

[hess]

پاسخ : Facial expression recognition

سلام ...................

شرمنده یه مقدار دیر شد .. دنبال یه فرصت بودم که بتونم فکرام رو جمع کنم .. کار که تقریبا روالش مشخصه .. امــا دیتابیس .. چندتا دیتابیس هست که بسته به نوع کارتون میتونید از اونها استفاده کنید .. اگه کارتون صرفا 2D باشه بهترین دیتابیس؛ دیتابیس CMU هست .. مال Tian, Kanade, Cohn .. دیتابیس اینا خوبه .. خیلی کار باهاش هم سخت نیست .. امــا اگه کارتون 3D باشه باید از دوتا دیتابیس دیگه استفاده کنید .. یکی FRGC و اون یکی هم BU-3DFE .. این دو تا دیتابیس برای کارای 3D به کار میرن ..

برای Feature هم که سوال کردید ؛ باید بگم چندتا Feature معروف واسه اینکار وجود داره .. یکیش Gabor Filter ها هستن .. خیلی هم معروفن .. دسته ی دوم PCA_Based Feature ها هستن .. اینام خاصیت خاص خودشون رو دارن .. با ترکیبشون با LDA و Fischer میتونیم کارای زیادی بکنیم .. دسته ی سوم هم Haar wavelet ها هستن .. اینام که برای خودشون دنیایی دارن .. امــا اون چیزی که توی کارای جدید باعث تغییر Gain میشه صرفا نوع انتخاب Feature نیست .. میتونه به Classifier تون هم برگرده .. اون هم خیلی مهمه .. میتونیم روشون بحث کنیم .. موفق باشید ..

[daneshjoo2008]

پاسخ : Facial expression recognition

با تشکر از شما
با توجه به اینکه روی این دیتابیسهایی که در حال حاضر موجود است محققین بسیاری کار کرده اند، کا اصلی من روی ایجاد الگوریتم در مرحله کلاسیفیکیشن بر اساس نقاط کلیدی چهره است و این مرحله وابسته به اینه که ما توانسته باشیم نقاط کلیدی چهره رو شناسایی کرده باشیم. مساله اصلی من اینه که آیا دیتا بیسی هست که الگوریتم های شناسایی نقاط حساس چهره در آن پیاده سازی شده باشد و آماده برای بکارگیری الگوریتم های کلاسیفیکیشن برای جدا کردن تصاویر بر اساس احساسات باشد؟
ممنون

[hess]

پاسخ : Facial expression recognition

سلام .....................

شما دوتا مساله رو دارید باهم بررسی میکنید که از جنس همدیگه نیستن .. اون نقاطی که روی Face تعیین میشه در واقع یه سری Land Mark هستن که بر اساس اطلاعات Biometric تعیین میشن .. بهشون اگه درست یادم مونده باشه میگن Bio Seed Point یا BioID .. اینا روی Face تعیین میشن (Manually) و در آخر شما برای Recognition باید یه مساله ی Point Matching رو حل کنید .. اونجا اصلا خبری از Classification و Learning نیست .. صرفا یه Distance Matching خاصه .. مثلا باید از Chamfer یا اقلیدسین یا DT استنفاده کنید .. برای این کار باید برید توی Application های خیلی خاص بگردید .. مثلا Page زیر رو پیشنهاد میکنم حتما ببینید .. یه Paper هم انتهاش داره .. اون رو هم بخونید تا متوجه منظورم بشید .. موفق باشید ..

http://www.bioid.com/downloads/facedb/index.php

[daneshjoo2008]

پاسخ : Facial expression recognition

سلام و ممنون از راهنمایی شما
بسیار خوب اگر درست متوجه شده باشم قبل از رسیدن به مرحله کلاسیفیکیشن باید مقیاسها را نرمال کنم ولی هنوز مشکل من در اینه که چگونه اون نقاط اساسی روی چهره رو باید شناسایی کرد شما از کلمه Manual استفاده کردید ممکنه یه مقدار بیشتر توضیح بدید که منظورتون از Manual چیه؟

با تشکر

[hess]

پاسخ : Facial expression recognition

سلام ....................

ببینید اینجا چیزی Learn نمیشه .. اون مقاله رو خوندید؟ توی لینک بالا گذاشته بودن؟ اونو بخونید .. من الان نمیتونم دانلودش کنم؛ سرعت اینترنتم پایینه .. فردا دانلود میکنم و یه وقت میذارم و میخونمش و بعد روش صحبت میکنیم .. منظور از Manual همون Manually Selected هست .. یعنی نقاط رو به صورت دستی روی چهره Fit میکنن .. این یه کار مرسومه .. توی Application های دیگه هم ازش استفاده میشه .. منظورم از Manually این بود .. موفق باشید ..

[daneshjoo2008]

پاسخ : Facial expression recognition

سلام و با تشکر مجدد
من دیتابیسی رو که در لینکی که شما داده بودید دانلود کردم. فایلهای این دیتابیس فرمت pts دارند شما می دانید این فایلها تحت چه برنامه ای اجرا می شوند و اون Land mark ها که بصورت دستی انتخاب می شوند را در نرم افزار متلب برای اندازه گیری فاصله آنها چطور شناسایی می کنند؟

با تشکر فراوان به خاطر وقتی که به من می دهید

[hess]

پاسخ : Facial expression recognition

سلام ....................

اون فایل ها با Note Pad باز میشه .. مختصات نقاطی هستن که به عنوان Land Mark روی تصاویر صورت شما Set شدن .. در واقع کار اینا اومده چیکار کرده؟ اومده به صورت Model Based یهسری نقه روی تصاویر صورت Fit کرده و استدلال کرده که با تغییر Expression، این نقاط هم تغییر میکنن .. حالا اگه بتونه این تغییرات رو به صورت میانگین روی نمونه های موجودش توی مرحله ی Train (با فرض Learn able بودن الگوریتم) به دست بیاره میتونه بــه کلاس های مختلف لیبل های مختلف رو متناظر کنه .. یعنی چی؟ یعنی ما فرض میکنیم اینجا یه سری کلاس داریم که صرفا با تغییرات نقاط تغییر عنوان میدن .. حالا توی مرحله ی TEST چیکار میکنن؟ این تغییرات رو میدن به Classifier و میگن بنابه این تغییرات؛ لیبل گذاری کن .. مثلا توی کار اینا از یه شبکه ی MLP ستفاده کردن و روی فضای Test الگوریتمشون رو تست کردن ..

برای انتخاب Classifier یه مقدار باید به کارای جدید نگاه کنیم .. الان متدهای جدیدی که توی این زمینه استفاده میشه همشون از Classifierهای Marginal استفاده میکنن .. اینا یه قابلیت خیلی خوبی که دارن اینه که میتونن به صورت Multi Class توی یه مجموعه ی Test؛ لیبل گذاری بین کلاس هارو با قدرت و اطمینان بیشتری انجام بدن .. مثلا اگه از SVM استفاده کنید میتونید ببینید که چقدر نتایج میتونه فرق کنه .. یه مدل دیگه از Classifier ها؛ Classifier هایی هستن که در اصطلاح Greedy باشن .. اینام خیلی میتونن توی این زمینه کمک کنن .. یه مزیتی که توی استفاده از این دوتا Classifier وجود داره اینه که میتونید Feature های بهتر؛ قابل اعتماد تر و Robust تری پیدا کنید .. مثلا میتونید به Part Based Representation فکر کنید .. توی این کارا میان Face رو میگیرن سه تا Patch .. دو چشم و یه دهان .. Patch های مربعی با Area خاص .. بعد روی اینا الگوریتم رو Learn میکنن .. نتیجه ای که این کارا میده خیلی با مدل های دیگه فرق میکنه .. من خودم با Fuzzy Classifier ها نه کار کردم و نه زیاد در موردشون میدونم ولی نتیجه ی اینای که گفتم رو خیلی خوب دیدم .. به نظرم خیلی پدیت هستن .. نظری بود که گفتم شاید کمک کنه .. راستی؛ یه فایل براتون ضمیمه کردم که اگه تونستید ببینیدش .. خیلی میتونه کمک کنه .. یه Survey هست .. موفق باشید ..

[fazel-d]

پاسخ : Facial expression recognition

با سلام خدمت دوستان
من یه پروژه پردازش تصویر برای پایان نامه ام دارم و اون تشخیص لبخند در تصاویر 2D هست.
در ضمن من هیچ سر رشته ای در زمینه پردازش تصویر ندارم. اما کتاب آقای گنزالس رو تهیه کردم (image processing using matlab)
حالا برای شروع کار شما چه موارد و زمینه هایی رو پیشنهاد می کنید؟

[hess]

پاسخ : Facial expression recognition

سلام ...............

شرمنده بابت تاخیر ..

من پستتون رو با این تاپیک ادغام کردم .. مطالب این تاپیک رو بخونید و بعد باهم بحث رو دنبال میکنیم .. موفق باشید ..