Pengecaman riak wajah automatik mempunyai pelbagai applikasi seperti robot sosial, sistem tutor cerdas, sistem automasi rumah pintar dan applikasi lain untuk interaksi manusia-mesin. Oleh itu, penyelidikan dalam pengecaman riak wajah telah berkembang dengan pesat. Namun, kebanyakan pendekatan tidak membandingkan pengaruh cara-cara pembanyakan data dan kadar kesilapan masih lagi tinggi. Dalam projek ini, sebuah sistem pengenalan riak wajah berasaskan Rangkaian Neural Konvolusi telah dicadangkan. Sistem tersebut akan menyarikan semua maklumat berkaitan (seperti ciri-ciri) daripada gambar digital dua-dimensi dan mengelaskan gambar tersebut kepada salah satu riak semesta (seperti kegembiraan, kekejutan, kesedihan, kejijikan, ketakutan and neutral). Untuk meningkatkan ketepatan sistem yang dicadangkan, pelbagai pra-pemprosesan telah dilaksanakan. Data latihan telah dibanyakkan dengan menggunakan cara-cara seperti hingar garam-dan-ladah, hingar Gaussian, perubahan kecerahan dan pembalikan. Sistem tersebut dinilai dengan menggunakan pangkalan data yang banyak digunakan iaitu JAFFE dan CK+ dan kaedah-kaedah seperti kaedah pengesahan silang k-lipatan dan pengesahan silang pangkalan data. Ketepatan sistem yang dicadangkan mencapai 84.06% dengan menggunakan pangkalan data CK+ dan 77.59% dengan menggunakan kombinasi data dari pangkalan data CK+ and JAFFE. Sistem tersebut mencapai ketepatan yang tertinggi dengan menggunakan data yang ditambahkan dengan pembalikan,iaitu ditingkatkan dari 74.70% ke 77.17%.. Oleh itu, pembanyakan data telah dibuktikan bahawa dapat meningkatkan ketepatan
_______________________________________________________________________________________________________
Automatic facial expression recognition has vast applications such as sociable robots, intelligent tutoring system, smart home automation system and other human-machine-interaction applications. Thus, the research in facial expression recognition has been growing in interest. However, most approaches do not compare the impact of data augmentation methods and the overall error rate is still high. In this project, a facial expression recognition system based on Convolution Neural Network is proposed. The system extracts all relevant information (i.e., features) from two-dimensional digital facial image and classifies the image into one of the universal facial expression (i.e. happiness, surprise, sadness, disgust, fear, anger and neutral). To increase the accuracy of the proposed system, a number of pre-processing are carried out. The training data are augmented by using methods such as adding salt-and-pepper noises, Gaussian noise, brightness variations and flips. The system is evaluated by using widely used JAFFE and CK+ databases and methods such as k-fold cross-validation and cross-database validation. The proposed method achieved good result, which is 84.06% using CK+ database and 77.59% using combined data from CK+ and JAFFE databases. The system achieved the highest accuracy using data augmented with flips, which is increased from 74.40% to 77.17%. Therefore, data augmentation is proven that it can increase the accuracy.
Development of an emotion recognition system based on face images / Tan Yi Chen