RECOGNITION OF A PSYCHOEMOTIONAL STATE BASED ON VIDEO SURVEILLANCE: REVIEW
DOI:
https://doi.org/10.26577/JMMCS.2021.v112.i4.11Keywords:
Computer vision, image processing, cluster analysis, signal processing, neural network, filteringAbstract
Currently, the determination of the psychoemotional state of the observed, including students and pupils, is an urgent task that has social significance. The pace of technology development and the increased interest of foreign and domestic specialists show that the automation of the determination of psychoemotional reactions is an actual and popular area of research. The article provides an overview of various literature sources on this topic, analyzes the existing types of emotional artificial intelligence that allow a computer to recognize and interpret human emotions and respond to them. The camera reads the person's state, and the neural network processes the data to determine the emotion. In addition, recent research papers published during 2019 and 2020 are included to present the latest advances in this field.
References
[2] Заболеева-Зотова, А.В., Орлова, Ю.А., Розалиев, В.Л., & Федоров, О.С. (2011). Определение эмоционального состояния человека по его движениям с использованием нейросетей. Волгоград, Россия: Вестник РГУПС № 2.
[3] Нгуен Д.К., & Южаков М. М. (2015). Обзор методов оценки психоэмоционального состояния человека. Томск: VI Научно-практическая конференция.
[4] Шальнов, Е.В. (2017). Исследование и разработка методов сопровождения людей и частей их тела в видеопоследовательности. Москва, Россия УДК 004.932.4.
[5] Гороховатский, В. А. (2014). Структурный анализ и интеллектуальная обработка данных в компьютерном зрении. Киев, Украина: Компания СМИТ.
[6] Гороховатский, В. А. (2016). Изучение свойств методов кластеризации применительно к множествам характерных признаков изображений. Киев, Украина: Вип. 5.
[7] Гороховатский, В. А. (2016). Структурное распознавание изображений с применением моделей интеллектуальной обработки и самоорганизации признаков. Киев, Украина: Радиоэлектроника, информатика, управление.
[8] Розалиев, В.Л., & Заболеева-Золотова, А.В. (2008). Моделирование эмоционального состояния человека на основе гибридных методов. Волгоград, Россия: Изв. ВолгГГУ.
[9] Брилюк, Д.И, & Старовойтов, В.В. (1999). Нейросетевые методы распознавания изображений. Минск, Белоруссия: ИТК НАНБ.
[10] Розалиев, В. Л., Бобков, А. С., & Федоров. О. С. (2010). Применение нейронных сетей и грануляции при построении автоматизированной системы определения эмоциональной реакции человека. Волгоград, Россия: Известия.
[11] Omar Elharrouss, Noor Almaadeed, Somaya Al-Maadeed, Ahmed Bouridane, Azeddine Beghdadi (2020). A combined multiple action recognition and summarization for surveillance video sequences. Appl Intell 51, 690–712 (2021). https://doi.org/10.1007/s10489-020-01823-z
[12] Dasari R, Chen CW (2018) MPEG CDVS Feature Trajectories for Action Recognition in Videos. In: 2018 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR). IEEE
[13] El-Masry M, Fakhr MW, Salem M. A. -M. (2017) Action recognition by discriminative EdgeBoxes. IET Comput Vis 12(4):443–452
[14] El-Henawy I, Ahmed K, Mahmoud H (2018) Action recognition using fast HOG3D of integral videos and Smith–Waterman partial matching. IET Imag Process 12(6):896–908
