بازشناسی جلوه‌های هیجانی چهره مستقل از فرد مبتنی بر دانش اولیه از شخص جدید

در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیم‌دهی سیستم بازشناسی جلوه های هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگی‌های هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگی ها با ویژگی های کل‌نگر(تحلیل مولفه های مستقل هسته-محور تصویر چهره و خودِ تصویر چهره) مقایسه شدند. برای تحلیل ویژگی های پیشنهادی، حساسیت نرخ بازشناسی آنها نسبت به تغییر نویز و تغییرات بین فردی بررسی شد. نتایج نشان داد با وابسته کردن سیستم به شخص بروز دهنده می توان نرخ بازشناسی را تا 96% افزایش داد که این نتیجه مربوط به ویژگی های کل نگر است. بعلاوه روش کل‌نگر تحلیل مولفه های مستقل هسته- محور در مقایسه با دیگر ویژگی ها نسبت به تغییرات بین فردی حساسیت بیشتری داشته است. بر اساس دانش محدود از فرد جدید نمونه های مجازی تولید و برای تقویت یادگیری سیستم بازشناسی استفاده شد. نتیجه بازشناسی مستقل از فرد این روش در مقایسه با روش پایه به صورت معنی‌داری (p < 0.05) بهبود داشته و مقدار صحت تشخیص آن 91.39% است.