| Budget Amount *help |
¥3,500,000 (Direct Cost: ¥3,500,000)
Fiscal Year 2007: ¥1,100,000 (Direct Cost: ¥1,100,000)
Fiscal Year 2006: ¥2,400,000 (Direct Cost: ¥2,400,000)
|
|---|
| Research Abstract |
顔表情からの感情認識は,マンマシン間の自然な対話を実現するための一手法として有用である.感情を表す表情パターンは人物ごとに異なるが,表情に表出しようとする感情や表情から知覚される感情は人物によらず普遍と考えられる.すなわち,表情から感情の程度を推定するためには,物理的パラメータである個人固有の表情パターンを如何に抽出し,これらを普遍な心理的パラメータである感情に如何に対応付けるかが重要な課題と考える.
本研究では,教師なし学習アルゴリズムのSOM(Self-Organizing Maps)と教師あり学習アルゴリズムのCPN(Counter Propagation Networks)を用いることにより,表情パターンの物理的変化量と感情の変化量の対応関係を表現する個人固有の感情特徴空間の生成手法について検討を加えた.具体的には,初めに,SOMを用いて表情画像の階層的分類を行い,個人固有の表情カテゴリを抽出した.次に,CPNを用いて,各表情カテゴリの類似性及び連続性に基づいた表情パターンのデータ拡張を行った.また,上述の処理と並行し,Russellの円環モデル(心理空間モデル)の座標値をCPNの教師信号として入力することにより,物理的パラメータ(表情パターン)と心理的パラメータ(感情)を対応付ける個人固有の感情特徴空間(感情空間マップ)を生成した.
感情空間マップを用いることにより,表情パターンの変化に対して「快-不快」及び「覚醒度」を指標とする感情の程度を推定することが可能となった.また,感情空間マップ上の状態遷移より,表情の時間的変化に伴う感情の推移を推定可能であることが明らかとなり,提案手法は感情の推定手法として有用であることが示された.
|
