Bibliographic Metadata

Title
Stresserkennung mit Hilfe von Gesichtsausdrücke aus Videosequenzen : von Paul Angerer
AuthorAngerer, Paul
CensorKampel, Martin
PublishedWien, 2018
Descriptionxi, 109 Seiten : Illustrationen, Diagramme
Institutional NoteTechnische Universität Wien, Diplomarbeit, 2018
Annotation
Zusamamenfassung in deutscher Sprache
Text in englischer Sprache
LanguageEnglish
Document typeThesis (Diplom)
Keywords (DE)Stresserkennung\ Stress visuell \ Gesichtsausdrücke\ Gesichtsanalyse\ Gesichtsmerkmale
Keywords (EN)stress detection \ visual \ facial expressions \ facial analysis \facial features
URNurn:nbn:at:at-ubtuw:1-117725 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
Stresserkennung mit Hilfe von Gesichtsausdrücke aus Videosequenzen [5.63 mb]
Links
Reference
Classification
Abstract (German)

Stress ist Teil des alltäglichen Lebens und beeinflusst die persönliche Gesundheit und das Wohlergehen in ungünstigen emotionalen Zuständen wie innere Unruhe, Furcht oder Zorn. Chronischer and unbehandelter Stress kann zu unheilbaren Krankheiten, Beziehungsverschlechterungen sowie hohen ökonomische Kosten führen. Unter dem Begriff Stress versteht man nach Hans Selye „Die unspezifische Antwort des Körpers auf jede Anforderung nach Veränderung.“. Diese unspezifische Antwort erschwert die Quantifizierung von Stress. Stressforschung entwickelte verschiedene computerunterstützte Techniken zur Erkennung von Stress für Vorteile in vielen Bereichen. Hauptsächlich physiologische Parameter werden verwendet um Stress zu diagnostizieren. Die Sammlung dieser Gesundheitsdaten mit Hilfe von Kontaktsensoren kann unpraktisch, besonders für kontinuierliche Stresserkennung, sein. Kürzliche Studien versuchten dieses Problem basierend auf nicht-invasiven Visual Computing-Techniken zu lösen. Die Erkennung von Stress basierend auf Modellen von Gesichtsausdrücken zeigt vielversprechende Resultate. Diese Diplomarbeit stellt eine Lösung zur Erkennung von Stress basierend auf Gesichtsausdrücken vor. Das entwickelte System schätzt Stress basierend auf extrahierten Gesichtsmerkmalen von Videos. Stress assozierte Gesichtsmerkmale von Kopf, Augen und Mund sowie die Herzrate von Gesichtsphotoplethysmographie werden verwendet um Stress mittels Machine Learning Algorithmen zu erkennen. Eine Performance Evaluierung der entwickelten Lösung mit Vergleich von existierenden Herangehensweisen in der Literature sowie an annotierten Daten wird durchgeführt. Des Weiteren werden Anforderungen an Gesichtsbilddaten sowie die Einschränkungen der umgesetzten Lösung diskutiert.

Abstract (English)

Stress is a part of everyday life and impacts a persons health and well-being in less favorable emotional states such as anxiety, fear or anger. Chronic and left untreated stress can lead to incurable diseases, relationship deterioration and high economic costs. Under the term stress ”the non-specific response of the body to any demand for change”, defined by Hans Selye, is understood. This non-specific response makes it difficult to quantify stress conditions. Stress research developed distinct computational techniques to recognize stress for benefits in a wide range of fields. Mainly physiological parameters are used to diagnose stress. Gathering this health data with the help of contact sensors can be impractically, especially when monitoring a person continuously. Recent studies try to solve this problem based on non-invasive visual computing techniques. The detection of stress based on facial expression models offers promising results. This thesis introduces a solution to detect stress based on a subjects facial expressions. The developed system determines human stress based on extracted facial features from video data. Stress associated facial cues from head, eye, mouth as well as the heart rate from facial photoplethysmography are used to predict stress by machine learning algorithms. A performance evaluation of the developed solution with comparison of existing approaches in literature as well as on annotated data is conducted. Moreover, requirements on facial image data as well as limitations of the implemented system are discussed.

Stats
The PDF-Document has been downloaded 7 times.