Enhanced Independent Component Analysis of Temporal Human Expressions Using Hidden Markov model

Q: 이 논문에서 정의한 향상된 독립 성분 분석(EICA)이란 무엇인가?

독립 성분 분석(ICA)에 Fisher Linear Discriminant 분석(LDA)을 결합하여 얼굴 이미지에서 특징을 추출하는 방법이다. PCA로 차원을 축소한 후 ICA를 적용하고 LDA를 통해 클래스 정보를 활용함으로써 얼굴 이미지의 최적의 지역적 표현을 찾아내는 기술을 의미한다.

Q: FICA 기반 특징 추출과 HMM을 결합한 얼굴 표정 인식의 성능은 어떠한가?

연구 결과, FICA로 특징을 추출하고 HMM으로 인식한 시스템은 평균 94.49%의 인식률을 기록하였다. 이는 기존의 PCA_LDA 방법이 보인 82.15%보다 유의미하게 높은 수치이며, 시간적 변화 모델링을 통해 인식 성능을 크게 향상시켰음을 입증하였다.

J J. Lee; Zia Uddin; T.-S. Kim

학술대회자료

저자정보: J J. Lee (Kyung Hee University) Zia Uddin (Kyung Hee University) T.-S. Kim (Kyung Hee University)

저널정보: 한국HCI학회 한국HCI학회 학술대회 HCI 2008

오류 신고하기

피인용 0

검색

초록·키워드

Facial expression recognition is an intensive research area for designing Human Computer Interfaces. In this work, we present a new facial expression recognition system utilizing Enhanced Independent Component Analysis (EICA) for feature extraction and discrete Hidden Markov Model (HMM) for recognition. Our proposed approach for the first time deals with sequential images of emotion-specific facial data analyzed with EICA and recognized with HMM. Performance of our proposed system has been compared to the conventional approaches where Principal and Independent Component Analysis are utilized for feature extraction. Our preliminary results show that our proposed algorithm produces improved recognition rates in comparison to previous works.

#Facial Expression Recognition #Hidden Markov Model(HMM) #Independent Component Analysis(ICA) #Principal Component Analysis(PCA) #Linear Discriminant Analysis(LDA).

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료