ПР_Демченко_07.12.2025

1. МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ НАЦІОНАЛЬНИЙ ТРАНСПОРТНИЙ УНІВЕРСИТЕТ ФАКУЛЬТЕТ ТРАНСПОРТНИХ ТА ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ

КАФЕДРА ІНФОРМАЦІЙНИХ СИСТЕМ І ТЕХНОЛОГІЙ
Кваліфікаційна робота магістра
студента Демченка В.В.
на тему: «Розробка системи розпізнавання емоцій за зображенням обличчя з
використанням комп’ютерного зору»
Науковий керівник роботи:
проф. Гавриленко В.В.
Київ 2025

2. 2. Актуальність теми та практична цінність

Актуальність Сучасні інформаційні технології швидко інтегруються у всі
сфери людської діяльності, що вимагає створення інтелектуальних
систем, здатних сприймати та інтерпретувати поведінку людини. Одним
із ключових аспектів такої взаємодії є емоційний стан користувача, який
значною мірою визначає якість комунікації та ефективність прийняття
рішень. Розпізнавання емоцій за зображенням обличчя є важливою
складовою систем штучного інтелекту, оскільки дозволяє формувати
більш природну, адаптивну та контекстно орієнтовану взаємодію між
людиною і комп’ютерними системами.
Такі системи знаходять широке застосування у сфері безпеки,
медицини,
освіти,
маркетингу,
сервісного
обслуговування,
психологічного моніторингу та людино-комп’ютерної взаємодії.
Водночас існує потреба у вдосконаленні алгоритмів, які забезпечували б
високу точність розпізнавання в умовах реального середовища: різного
освітлення, ракурсів, часткового закриття обличчя, індивідуальних
особливостей міміки.
Саме тому дуже доцільною є розробка інформаційної технології, який
вирішує задачу розпізнавання емоцій людини.

3. 3. Наукова новизна та практична цінність

Практична цінність розробленої системи полягає у можливості
застосування алгоритмів автоматичного розпізнавання емоцій у
широкому спектрі реальних задач, де необхідний аналіз емоційного
стану людини. Запропоноване рішення може бути інтегроване в
програмні комплекси для підвищення ефективності взаємодії
користувачів із цифровими системами, покращення сервісу та
забезпечення адаптивності систем штучного інтелекту.
Наукова новизна роботи полягає у вдосконаленні підходів до
автоматичного розпізнавання емоцій на основі зображень обличчя
та розробці моделі, що забезпечує підвищену точність і стабільність
роботи в умовах реального середовища. Запропоновано
комплексний підхід до обробки та аналізу зображень обличчя, який
поєднує сучасні методи комп’ютерного зору та глибинного навчання
3
для точного виділення ключових мімічних ознак.

4. 4. Мета роботи, об'єкт та предмет дослідження

Мета дослідження є розробка та дослідження системи
розпізнавання емоцій за зображенням обличчя на основі
методів комп’ютерного зору й глибинного навчання.
Об'єкт дослідження Процес автоматичного аналізу та
класифікації емоцій людини за зображеннями обличчя.
Предмет дослідження є методи, алгоритми та моделі
комп’ютерного зору й глибинного навчання, що
забезпечують розпізнавання емоцій за зображеннями
обличчя.

5. 5. Задачі дослідження

1. Здійснити огляд та аналіз наявних підходів і програмних
рішень, що застосовуються для задачі розпізнавання
емоцій людини;
2. Розробити математичну модель, яка лежатиме в основі
інформаційної технології розпізнавання емоцій;
3. Визначити та обґрунтувати етапи функціонування
інформаційної технології, а також створити структуру й
алгоритм роботи програмного забезпечення;
4. Реалізувати
програмний
засіб
відповідно
до
запропонованої інформаційної технології;
5. Провести тестування програмного продукту та виконати
аналіз отриманих результатів.

6. 6. Аналіз наявних аналогів розробки

FaceReader — це професійне програмне забезпечення для
автоматичного аналізу виразів обличчя, розроблене
нідерландською компанією Noldus Information Technology
EmoDetect – це збірна назва для кількох програмних продуктів,
які використовують штучний інтелект для розпізнавання емоцій
за виразом обличчя на основі зображень або відео.
FaceSecurity — розробка пов'язана з використанням
біометричних технологій розпізнавання обличчя. Назва не
належить до однієї конкретної компанії, а скоріше описує різні
технології та рішення, що використовують обличчя людини як
ідентифікатор для захисту
Project Oxford Emotion Recognition, від Microsoft стосується API
розпізнавання емоцій, випущеного під експериментальною
назвою Project Oxford у 2015 році, який пізніше був включений
до Azure Cognitive Services.

7. 7. Основні задачі комп’ютерного зору

Процес класифікації об’єктів
Процес навчання системи локалізації
об'єктів
Процес виявлення об'єктів
Процес сегментація зображення
7

8. 8. Робочий процес комп'ютерного зору

8

9. 9. Структурна схема згорткової нейронної мережі

10. 10. Сучасні бібліотеки глибокого навчання

Keras - один з провідних API-інтерфейсів нейронних
мереж високого рівня. Основна ідея розробки Keras
- полегшити експерименти шляхом швидкого
прототипування.
TensorFlow — це потужна програмна бібліотека з
відкритим кодом, розроблена компанією Google.
Вона дуже добре підходить і точно підігнана під
великомасштабне машинне навчання.
PyTorch — це фреймворк глибокого навчання з
відкритим кодом, який прискорює процес від
створення дослідницького прототипування до
розгортання у виробничому середовищі.
10

11. 11. Інструментарій та технології, що використовувались при розробці

У результаті порівняльного аналізу об'єктно-орієнтованих
мов на основі об'єктивних переваг, таких як наявність
великої кількості нейромережевих бібліотек та простота
написання
коду,
було
обґрунтовано
доцільність
застосування мови програмування Python
Keras містить підтримку згорткових та рекурентних
нейронних мереж, що є дуже актуальним в умовах
розробки інформаційної системи розпізнання емоцій
людини. Вона підтримує інші поширені службові шари,
такі як виключення, пакетне унормовування та
агрегування.
Для обраної мови Python, було обрано середовище
програмування Visual Studio Code, яке задовольняє усім
потребам при розробці програмного забезпечення, має
зручний
графічний
інтерфейс
а
також
засоби
налагодження.

12. 12. Структура інформаційної технології розпізнавання емоції людини

12

13. 13. Алгоритм роботи інформаційної системи розпізнавання емоцій

14. 14. Алгоритм роботи модуля навчання нейронної мережі

14

15. 15. Схема роботи модуля розпізнавання нейронної мережі

15

16. 16. Діаграма класів

16

17. 17. Головне меню програми

18. 18. Форма навчання нейронної мережі для розпізнання емоцій людини

19. 19. Робота модуля розпізнавання емоцій людини

19

20. 17. Форма проведення тестування і валідації

20

21. 21. Форма із графіками точності та функцією втрат розпізнавання емоцій людини

21

22. 22. Висновки

1.
2.
3.
4.
5.
Проведено аналіз існуючих методів та програмних рішень у сфері
розпізнавання емоцій людини. Це дозволило виявити їхні переваги,
недоліки та визначити вимоги до побудови власної інформаційної
технології.
Розроблено математичну модель інформаційної технології, яка описує
процеси виявлення обличчя, виділення ознак та класифікації емоцій.
Запропонована модель стала теоретичною основою для подальшої
реалізації системи.
Сформовано етапи функціонування інформаційної технології, на основі
яких спроєктовано структуру та алгоритм роботи програмного засобу. Це
забезпечило логічну та ефективну організацію процесу обробки
відеопотоку.
Реалізовано програмний засіб розпізнавання емоцій, що використовує
наведені моделі та алгоритми. Програмний продукт здатний працювати в
неперервному відеопотоці та забезпечує розпізнавання основних емоцій
людини.
Проведено тестування та аналіз результатів, що підтвердило
працездатність розробленої системи та її здатність розпізнавати емоційні
стани з необхідним рівнем точності без суттєвого збільшення
обчислювальних витрат.

23. Доповідь закінчено, дякую за увагу!

23