Обзор методов классификации эмоций человека для задач распознавания эмоций
Авторы: Русанова Е.Г. | |
Опубликовано в выпуске: #8(73)/2022 | |
DOI: 10.18698/2541-8009-2022-8-821 | |
Раздел: Информатика, вычислительная техника и управление | Рубрика: Системный анализ, управление и обработка информации, статистика |
|
Ключевые слова: эмоции, классификация эмоций, распознавание эмоций, спонтанные эмоции, статические эмоции, автоматические классификаторы, компьютерное зрение, интеллектуальные системы, машинное обучение |
|
Опубликовано: 07.10.2022 |
Важным элементом социального взаимодействия является способность человека определять, какие эмоции испытывают другие люди. В работе проведен обзор существующих классификаций эмоций человека, рассмотрены их основные различия и особенности, выполнен литературный обзор подходов, объясняющих, что такое эмоций человека и чем они вызваны, рассмотрены ведущие на данный момент программы для распознавания эмоций по лицу человека и реализован их сравнительный анализ. Сделаны выводы о необходимости рассматривать не только базовые эмоции человека, но и такие аффекты, как интерес, боль, скука, разочарование и др. При увеличении числа категорий распознаваемых эмоций автоматизированные методы смогут преодолеть их нынешнее ограничение, связанное с классификацией небольшого набора меток эмоций, которых недостаточно для описания сложного, иногда экспрессивного поведения человека.
Литература
[1] Ekman P. An argument for basic emotions. Cogn. Emot., 1992, vol. 6, no. 3/4, pp. 169–200. DOI: https://doi.org/10.1080/02699939208411068
[2] Изард К.Э. Психология эмоций. СПб., Питер, 2008.
[3] Додонов Б.И. Эмоция как ценность. М., Политиздат, 1978.
[4] Леонтьев А.Н. Лекции по общей психологии. М., Академия, 2010.
[5] Рубинштейн С.Л. Основы общей психологии. СПб., Питер, 1999.
[6] Вундт В. Очерк психологии. М., Терра, 2015.
[7] Dupre D., Krumhuber E.G., Küster D. et al. A performance comparison of eight commercially available automatic classifiers for facial affect recognition. PLoS ONE, 2020, vol. 15, no. 4, art. e0231968. DOI: https://doi.org/10.1371/journal.pone.0231968
[8] Yin L., Chen X., Sun Y. et al. A high-resolution 3D dynamic facial expression database. Proceedings of the international conference on automatic face and gesture recognition. 8th IEEE Int. Conf. on Automatic Face & Gesture Recognition, 2008. DOI: https://doi.org/10.1109/AFGR.2008.4813324
[9] O’Toole A.J., Harms J., Snow S.L. et al. A video database of moving faces and people. IEEE Trans. Pattern Anal. Mach. Intell., 2005, vol. 27, no. 5, pp. 812–816. DOI: https://doi.org/10.1109/TPAMI.2005.90
[10] Krumhuber E.G., Skora L., Küster D. et al. A review of dynamic datasets for facial expression research. Emot. Rev., 2017, vol. 9, no. 3, pp. 280–292. DOI: https://doi.org/10.1177/1754073916670022