مبانی نظری و پیشینه پژوهش بازشناسی بیان چهره ای هیجان
| دسته بندی | پیشینه متغیر های روانشناسی |
| بازدید ها | 37 |
| فرمت فایل | doc |
| حجم فایل | 31 کیلو بایت |
| تعداد صفحات فایل | 20 |
مبانی نظری و پیشینه پژوهش بازشناسی بیان چهره ای هیجان در 20 صفحه ورد قابل ویرایش با فرمت doc
توضیحات: فصل دوم پایان نامه کارشناسی ارشد و دکترا (پیشینه و مبانی نظری پژوهش)
- همرا با منبع نویسی درون متنی به شیوه APA
- توضیحات کامل در مورد متغیر
- پیشینه تحقیقاتی در مورد متغیر مربوطه و متغیرهای مشابه
- رفرنس نویسی و پاورقی دقیق و مناسب
- منبع : دارد (به شیوه APA)
- نوع فایل: WORD و قابل ویرایش با فرمت doc
قسمتی توضیحات متغیر:
مقدمه
شواهد زیادی در رابطه با نقش زیاد بازشناسی بیان چهرهای هیجان در اختلالات پسکوتیک وجود دارد که نشان میدهد بازشناسی بیان چهرهای هیجان سهم عمدهای در سازگاری با اسکیزوفرنی دارد. به عنوان مثال چن و همکاران (2010) مطرح میکنند روابط بین فردی ناسالم در اسکیزوفرنیها در نتیجهی نقص در بازشناسی بیان چهرهای هیجان طرف مقابل اتفاق میافتد. علاوه بر این، بازشناسی بیان چهرهای هیجان از مدتها قبل به عنوان اساسیترین عنصر در ادبیات بالینی اختلالات پسکوتیک مطرح است (ماندال و همکاران، 1998).
نظریه های شناختی هیجان فرض میکنند که یک محرک یا موقعیت نخست بایستی مورد توجه قرار گیرد، شناسایی و طبقهبندی گردد، و با تجارب قبلی ذخیره شده در حافظه ارتباط برقرار نماید تا بتوانند مورد ارزشیابی قرار گرفته و پاسخ هیجانی ویژهای را برانگیزاند. بدین منظور، تعداد معدودی از پاسخهای هیجانی اساسی مشخص شده، و پیشنهاد شده است که سایر هیجانها بر پایهی این هیجانهای اساسی قرار گرفتهاند. پنج هیجان که اغلب از آنها نام برده شده شامل شادی، خشم، ترس، غمگینی، و تنفر میباشد. با به کارگیری این ملاک که ابزار چهرهای مرتبط با یک هیجان اساسی در تمامی جهان قابل شناسایی است، اکمن (1972) استدلال کرده است که تعجب نیز باید در این لیست قرار گیرد.
هیجان
هیجان اصطلاحی است که روانشناسان و فلاسفه بیش از یک قرن دربارهی معنای دقیق آن به بحث و جدل پرداختهاند. در فرهنگ لغات انگلیسی آکسفورد، معنای لغوی هیجان چنین ذکر شده است «هر تحریک یا اغتشاش در ذهن، احساس، عاطفه؛ هر حالت ذهنی قدرتمند یا تهییج کننده». میتوان لغت هیجان را برای اشاره به یک احساس، افکار، حالتهای روانی و بیولوژیکی مختص آن و دامنهای از تمایلات شخص برای عمل کردن بر اساس آن به کار برد
- Chan
- Mandal
نظام عضلانی چهره
80 عضله ی صورت وجود دارد که 36 تا از آنها در جلوهی صورت درگیر هستند. اما 8 عضلهی صورت برای متمایز کردن هیجانهای اصلی کافی هستند. قسمت بالا بصورت (چشمها و پیشانی) سه عضلهی اصلی دارد: عضلهی پیشانی که پیشانی را میپوشاند، عضلهی چین دهنده (زیر هر ابرو قرار دارد) و عضلهی حلقوی دور چشم (هر چشم را احاطه میکند). صورت میانی دو عضلهی اصلی دارد: عضلهی گونه که از گوشههای دهان تا استخوان گونه امتداد دارد و عضله ی بینی که بینی را چروک میدهد. قسمت پایین چهره عضلهی اصلی دارد: عضلهی پایین برنده که گوشه های دهان را پایین میکشد، عضلهی حلقوی لب که لبها را احاطه کرده است و عضلهی چهار گوش لب زیرین که گوشههای دهان را به طرف عقب میکشد (ایمانی، 1389).
دو هیجان دیگر با الگوی ویژهی رفتار چهره ارتباط دارد: علاقه و تحقیر (ریو، 1993؛ به نقل از سیدمحمدی، 1382). در مورد علاقه، عضلهی حلقوی دور چشم پلکها را باز میکند و عضله حلقوی لب اندکی لبها را از هم جدا میکند. در مورد تحقیر، عضلهی گونه به طور یک طرفه گوشه یک لب را به طرف بالا میبرد (ایمانی، 1389).
جلوه های چهره ارادی و غیرارادی
تا قبل از دو سالگی، جلوههای صورت انسان عمدتاً ارادی است. وقتی طفل اندوهگین میشود، چهره او این حالت درونی وی را نشان میدهد. بعد از اینکه اطفال زبان را فرا میگیرند، رشد شناختی آنها سریع شده و موجودات اجتماعی میشوند، یاد میگیرند جلوههای چهره را به صورت ارادی کنترل کنند. کودکان در سالهای پیش دبستانی میتوانند اغلب حالتهای درونی خود را مخفی کنند (ایمانی، 1389).
آیا رفتار چهره اکتسابی است یا فطری؟
در دستگاه عصبی دو سیستم حرکتی وجود دارد. سیستم هرمی کنترل دقیق و ارادی حرکات موضعی را در اختیار دارد، مثل حرکات عضلانی که در لبخند عمدی و مودبانه دخالت دارند. سیستم غیرهرمی کنترل غیرتخصصی و غیرارادی حرکات عمومی عضلات را تنظیم میکند، از جمله آن دسته رفتارهای چهره مثل لبخند خودانگیخته که تحت کنترل غیرارادی هستند. تمایز بین سیستمهای هرمی و غیرهرمی به این علت اهمیت دارد که مستقیماً، به این سوال مربوط میشود: آیا جلوههای صورت فطری و خودکار هستند یا اکتسابی و قابل تغییر (ایمانی، 1389).
- Frontalis
- Corrugator
- Orbicularis Oculi
- Zygomaticus
- Nasalis
- Orbicularis Oris
- Quadrates Labii
- Pyramidal System
- Non Pyramidal System
پیشینه
سیلور، بیلکر و گُدمن (2009) دریافتند که بیماران مبتلا به اسکیزوفرنی در بازشناسی و بیان چهرهای هیجانات مربوط به شادی، غم و خنثی از لحاظ صحت و سقم، کارایی و راهبردهای پردازش، متفاوت تر و ضعیف تر از افراد سالم هستند. همچنین آنها دریافتند که تخریب بیان چهرهای هیجان در بیماران اسکیزوفرنی برای حوزه هیجان به طور کلی انتخابی است اما برای هیجانات خاص انتخابی نیست.
بیسیریل و بارچ (2010) در پژوهشی نشان دادند که بیماران مبتلا به اسکیزوفرنی از لحاظ بازشناسی بیان چهره ای هیجان دارای نقص و آسیب بوده و ضعیف تر از افراد بهنجار در کارکردهای مربوط به بازشناسی بیان چهره ای هیجان عمل می کنند. آنها نشان دادند که بیماران مبتلا به اسکیزوفرنی در بازشناسی چهره ای هیجانات مثبت، منفی و خنثی تفاوت معناداری با افراد بهنجار داشتند.
هانگ و همکاران (2011) در پژوهشی نشان دادند که بیماران مبتلا به اسکیزوفرنی در ادراک و بازشناسی بیان چهره ای هیجان نقص داشته و عموماً محرک های هیجانی- اجتماعی تهدیدکننده همانند بیان چهره ای خشم را بصورت کُند و نامتمایز بازشناسی می کردند.
آمینجر و همکاران (2011) نشان دادند که افراد بالینی با ریسک فاکتورهای بالا همچون بیماران اسکیزونی در بازشناسی بیان چهره ای هیجانات ترس، غم و خشم تفاوت معناداری با افراد بهنجار داشته و ضعیف تر از آنها در بازشناسی این هیجانات عمل می کنند و این در حالی بود که از لحاظ بازشناسی بیان چهره ای هیجانات خنثی تفاوت معناداری بین این دو گروه وجود نداشت.
- Silver, Bilker & Goodman
- Becerril & Barch
- Hung
- Amminger
دیگر قسمت های این فایل:
هیجان
هیجانهای اصلی
نظام عضلانی چهره
جلوههای چهره ارادی و غیرارادی
آیا رفتار چهره اکتسابی است یا فطری؟
ارزیابی هیجان
توانش هیجانی
ویژگیهای توانش هیجانی
رشد توانش هیجانی
رشد بازشناسی تظاهرات چهرهای
پیشینه تحقیق
دانلود فایل PDF پی دی اف پروژه سیستم تشخیص چهره و الگوریتم های یادگیری
| دسته بندی | پردازش تصویر |
| بازدید ها | 4 |
| فرمت فایل | |
| حجم فایل | 726 کیلو بایت |
| تعداد صفحات فایل | 68 |
عنوان :مروری بر سیستم های تشخیص چهره و الگوریتم های یادگیری
تعداد صفحات : 68
چکیده:
بیـشتر تحقیقـات بوسـیله فیزیولوژیـستهـا و روانـشناسان و مهندسـان روی موضـوعات مختلـف از تشخیص چهره بوسیله ماشین و انسان، صورت گرفته است. اهمیت روش های اتوماتیک تـشخیص چهـره، ما را بر آن داشته است که برای ادامه کار در این زمینـه، تحقیـق کـاملی روی کارهـای انجـام گرفتـه، از پیدایش این رشته از علم کامپیوتر انجام دهیم. اگر چه بسیاری از تئوری ها و فرضیه هـای مطـرح شـده،روی مجموعه ای از تصاویر کوچک، بررسی شده اند، ولی توانسته اند بسیاری دستاوردهای مهمی در ایـن زمینه به همراه داشته باشند.
در این تحقیق، ابتدا تاریخچه ای از موضـوعات مربـوط بـه تـشخیص هویـت، بـا اسـتفاده از خـواص بیومتریک ارائه شده و در ادامه بحث تشخیص چهره را به صورت اختصاصی در میـان مباحـث بیومتریـک ارائه شده است. ساختار و چهارچوب عمومی یک سیـستم تـشخیص چهـره، مهمتـرین موضـوع در آمـاده کردن آن می باشد، همچنین الگوریتم ها و روش هایی که بر اساس آن تشخیص چهره انجام مـی گیـرد،قسمت اصلی این تحقیق می باشد که شامل گروه بندی ها و نوع دیدگاه به مسئله می باشد که در انتهای بحث، استفاده از آموزش و یادگیری و الگـوریتم هـای آن را در بحـث کـشف چهـره، محـدود کـرده ایـم.
مشکلات مربوط به تشخیص چهره، می توانند شامل نور، زاویه دید دوربین، حرکت و سایر موارد محیطـی باشند، که این مشکلات نیز به صورت جداگانه مورد بررسی قرار گرفته اند.
مقدمه:
در دنیای به هم پیوسته و پیچیده امروزی، نگهداری و امنیت اطلاعـات، بـسیار مهـم و مـشکل شـده است، هر چند وقت یکبار در مورد تبهکاری های مربوط کارتهای اعتباری، هک شدن کامپیوترها و نقض امنیت در شبکه ها و دولت ها، چیزهایی می شنویم. در بیشتر این کلاهبرداری ها، افراد خاطی، به نحـوی امنیت سیستم ها را با عبور از سد محافظت های از قبل تعیین شده، مورد دستبرد قرار داده اند.
تکنولوژیهای جدید برای تعیین هویت منحصر هر فرد، بر پایه روش های Biometric بنیـان نهـاده شده اند. که این روش ها، روشهای خودکـاری از بـازبینی و تـشخیص هویـت موجـودات زنـده در زمینـه ویژگیهای فیزیکی از قبیل اثر انگشت یا وضعیت چهره، و یا سایر رفتارهای افراد، از قبیل دست دادن، می باشند. به این دلیل که، ویژگی های فیزیکی خیلی کمتر تغییر می کنند، ولی موارد رفتاری ممکـن اسـت به علت استرس، وضعیت روانی شخص، یا موقعیت شخص به راحتی دستخوش تغییـرات شـوند، در میـان روش ها و متدهای مختلف برای تعیین هویت، روش هایی که از ویژگی های فیزیکی استفاده مـی کننـد، علی رغم مشکلاتی که هنگام پیاده سازی وجود دارد، قابل اعتمادتر از آنهـایی هـستند کـه ویژگـی هـای فیزیولوژیکی(زیستی) را بکار می گیرند.
با بررسی زندگی دیجیتالی بشر، به راحتی متوجه این نکته خواهیم شد که امـروزه بـشر بـا نیازهـایی مواجه است که در سالهای قبل این نیازها وجود نداشت. این نیازها شامل سازمان، گروه و امنیت آنها مـی باشد. همیشه افزایش جمعیت و تحرک آن در همه جهت ها، باعث بالا رفـتن راه هـای انتقـال و اشـتراک اطلاعات، شده است، که این تغییر مکان ها، در ساختارهای پیچیده ای انجام مـی شـوند. همـانطوری کـه تحرک، نشات گرفته از رفتارهای انسانی و اطلاعاتی است، امنیت نیز اطلاعـات شخـصی و مقـادیر آنهـا را شامل می شوند. در محیط هایی که اهمیت امنیت و تشکیلات، افزایش یافتـه اسـت، شناسـایی و تعیـین اعتبار در زمینه های گوناگونی از تکنولوژی ها توسـعه داده شـده انـد. کنتـرل ورودیهـای سـاختمان هـا،کنترل دسترسی در کامپیوترهای عمومی، مثالهایی هستند کـه نـشان دهنـده تـشخیص هویـت و اعتبـار سنجی در جامعه کنونی میباشند.
روش تشخیص چهره (Face Recognition) یکی از چنـدین روش Biometric اسـت کـه دارای دقت بالا بوده و می تواند تا مدت ها قابل اتکا باشد. برخلاف روش های دیگر اعتبار سنجی که لازم بود تـا کاربر حداقل PIN و کلمه عبور، را به یاد داشته باشد، در روش های تشخیص چهره، کاربر خیلی راحت با چهره خودش، می تواند در پروسه اعتبار سـنجی وارد شـود. در حـال حاضـر عـلاوه بـر ایـن کاربردهـای کلاسیک، برای تشخیص چهره، اعتبار سنجی های جدیدی پدیدار شده اند. به طور نمونه، در بانک ها و یـا تأسیسات قضایی که امنیت از سایر ادارات معمولی بالاتر است، امنیت بیشتر توسط کامپیوترهـای زیـادی که امروزه مجهز به چندین دوربین می باشند، انجام می شود. در این حالت، یک نرم افزار تشخیص چهره، به صورت مداوم، آنچه که در جلوی دوربین اتفاق می افتد، را در کنترل داشته و در صورت برخورد بـا هـر گونه وضعیتی خارج از وضعیت از قبل تعیین شده، هشدارهای لازم را اعلام می نماید.
در حال حاضر، چندین روش برای سازماندهی و طبقه بندی زمینـه هـای مختلـف تـشخیص چهـره، امکان پذیر میباشد. به عنوان نمونه، الگوریتم هایی که با چهـره و محـیط آن سـر و کـار دارنـد (هماننـدسیستم های کنترل نشده)، باید با الگوریتم هایی که با سیستم های کنترل شده(هماننـد چـراغ راهنمـا ونورپردازی یک تئاتر) کار می کنند، متمایز گردند. همچنین سیستم هایی که از یک یا چند تـصویر بـرای تشخیص چهره استفاده می کنند، از سیستم هایی کـه از مقـادیر پیوسـته ویـدئویی اسـتفاده مـی کننـد،متمــایز مــیشــوند. در صــورتیکه ایــن تفــاوت هــای ســطح پــایین در مــشکلات ضــروری در Face Recognition حذف شوند، یـک گـروه بنـدی براسـاس سـه حالـت Frontal و Profile و -ViewTolerant ارائه می شود.می توان گفت که الگوریتم های تشخیص چهره، مدل های ساده هندسی را استفاده مـی کننـد، امـا پروسه تشخیص، امروزه در یک علم پیچیده ریاضی و پروسه های Matching وارد شده است. بزرگتـرین پیشرفت آنها در سالیان اخیر، سوق دادن تکنولوژی تشخیص چهره، به صحنههای متاثر از نور مـی باشـد،بدین ترتیب که می توان در شرایط نوری متفاوت نیز، پروسه تشخیص چهره را به نحو مطلوبی انجـام داد.
تشخیص چهره، می تواند برای بازبینی (Verification)و تعیین هویت (Identification)، نیز بـه کـار برده شود.
زمینه های زیاد تجاری، برای ایجاد اینگونه نرم افزارها و امکان دسترسی به تکنولوژی های مورد نیـاز بعد از چندین سال تحقیق، دو دلیل مهم برای تکیـه بـر اهمیـت Face Recognition و ادامـه تـلاش برای داشتن سیستم های قوی تر می باشد.
روش های مطمئن زیادی از تشخیص بیومتریک اشخاص، وجود دارد. برای مثال، روش های آنالیز اثر انگشت یا بررسی عنبیه و شبکیه، اشخاص هم اکنون وجود دارند. از آنجائیکه یک تصویر چهره، می توانـد از روبرو یا نیم رخ باشد، بیشتر اوقات بدون همکاری و حتی اطلاع شخص مورد نظر، عمل می کند. جدول الف، تعدادی از برنامه های مربوط به Face Recognition را نشان می دهد.