Методика и модель кластеризации паттернов двигательной активности лица как преобразований метаграфов - page 17

Рис. 7. Схема добавления нового кластера и реорганизации кластеров
но так, чтобы кластеры не пересекались. Паттерн выделяется как об-
щий c центром
μ
iD
q
и пороговым значением
2
τ
iD
q
, если для двух пат-
тернов
AU
C
i
,
AU
C
j
, i
6
=
j,
существует функция
dist AU
C
i
,
AU
C
j
, D
q
= 2
τ
iD
q
<
<
min dist (AU
C
i
, k, D
q
)
,
dist AU
C
j
, m, D
q
8
k, m,
где
k
,
m
— номера кластеров, т.е. два паттерна ближе друг к другу, чем
каждый из них к любому паттерну из другого кластера.
Заключение.
Получена методика, объединяющая концепцию ме-
таграфа и методы пространственно-временн´ого и визуального анали-
за с помощью мультидоменной взаимосвязи и функций оптимизации,
для решения задачи более эффективного исследования видеоархивов
с поведением человека и экспериментальной проверки паттернов си-
стемы кодирования FACS. Основная идея методики — преобразования
метаграфов и их взаимосвязь между различными доменами — исполь-
зуется впервые для решения указанной задачи. Программная реализа-
ция методики позволит устранить или сгладить недостатки, частично
или полностью присутствующие в предыдущих работах (недостаточ-
ная точность для использования на реальных видеоархивах, вызванная
чувствительностью алгоритмов к сложному фону, поворотам лица, не-
равномерной освещенности и другим искажениям объекта).
Недостатки методики: сложность обучения модели по последова-
тельностям изображений с частотой менее 20 кадр/с, отсутствие пря-
мой возможности распознавания паттернов на статическом изобра-
жении; необходимость экспертного труда на начальных стадиях обу-
50 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2014. № 4
1...,7,8,9,10,11,12,13,14,15,16 18,19,20,21
Powered by FlippingBook