Automatic facial expression recognition

Dotā maģistra darbā tika aplūkots sejas izteiksmes atpazīšanas teorētiskais pamats, kā arī vairāki šī uzdevuma risināšanas veidi un pielietojumi. Dotā darba ietvaros tika izstrādāts vāji izteiktas sejas izteiksmes atpazīšanas algoritms, kurš analizē sejas izteiksmi, balstoties uz aktīvas formas modeļa (Active Shape Model) un sejas kustības vektoru garumiem. Iegūtie kustības vektoru garumi tika palielināti, mainot aktīvas formas modeli, kā arī attiecīgi deformējot seju kadrā, padarot to par izteiksmīgu sejas izteiksmi. Tad iegūtie dati tika klasificēti, izmantojot atbalstošo vektoru metodi (Support Vector Machine). Balstoties uz izveidota algoritma, tika izstrādāta programmatūra, kura tika uztrenēta, lai spētu klasificēt padoto secīgu kadru virkni vienā no trīs izteiksmēm: pārsteigums, laime vai dusmas.The Master paper „Automatic facial expression recognition” focuses on the basics of facial expression recognition theory, as well as on its research and possible solutions. Specifically for this thesis, an algorithm for subtle facial expression recognition was developed. It analyses the expression according to ASM (Active Shape Model) and depending on the face motion vector’s length. Obtained face motion vector lengths were enlarged, changing the ASM; thus, correspondingly deforming the facial expression image, and making it extremely expressive. The obtained data was classified by applying the SVM (Support Vector Machine). The developed algorithm was implemented and trained to classify the selected series of consecutive facial expression examples as: surprise, happiness or anger