РЕФЕРАТ 3
РЕФЕРАТ 4
Введение 6
1 Анализ решений для определения психологических и психофизиологических характеристик человека 8
1.1 Модель психотипа на основании типологии личности
Майерс-Бригс 8
1.2 Межполушарная ассиметрия мозга как основание для
психологической диагностики 9
1.3 Психометрический анализ на основании лингвистических данных 10
1.4 Фотография человека как источник психодиагностической
информации 12
2 Обзор алгоритмов обнаружения лиц 14
2.1 Метод Виолы-Джонса 14
2.2 Гистограмма направленных градиентов (HOG) и Метод
опорных векторов (SVM) 16
2.3 Метод гибкого сравнения на графах 18
2.4 Алгоритм SURF 19
2.5 Сверточные нейронные сети 21
3 Методика оценки поведенческих и личностных качеств
человека 22
3.1 Описание пятифакторной модели личности 22
3.2 Организация сбора психодиагностических данных 28
4 Создание инструментария для автоматического извлечения
антропометрических признаков из фото лица 32
4.1 Извлечение признаков из анфаса 32
4.2 Извлечение признаков из профиля 36
5 Обработка данных и обобщение результатов 38
5.1 Создание классификатора 38
5.2 Интерпретация результатов 40
Заключение 42
Библиография 43
Введение
Современный прогресс в ИИ позволяет делать вещи, которые раньше никто не делал, и находить закономерности, которые раньше никто не находил. Например использовать биометрические признаки человека для оценки личностных и поведенческих качеств человека.
В данной работе рассматривается проблема недостаточной изученности подходов и методов к анализу психологического профиля человека по его антропометрическим данным.
Объектом исследования являются психологические характеристики человека.
Предмет исследования являются оценка эффективности использования антропометрических признаков лица человека при определении его личностных и поведенческих качеств с помощью нейросетевой модели.
Таким образом, целью работы является разработка нейросетевой модели категоризации психологических характеристик человека по особенностям строения его лица
Для достижения поставленной цели, в работе необходимо решить следующие задачи:
1. Исследование предметной области
2. Выбор инструментария для психологического описания личностных и поведенческих характеристик человека
3. Создание инструментария для автоматического извлечения антропометрических признаков лица
4. Создание набора данных
5. Обучение и апробация моделей машинного обучения для оценки психологических качеств по антропометрическим признакам на репрезентативной выборке
Научной новизной обладают следующие результаты исследования:
• Предложен подход к автоматическому извлечению и анализу антропометрических признаков
• Обнаружены скрытые закономерности между чертами лица и психологическими характеристиками
Практическая значимость исследования: Результаты
исследования могут быть использованы для оценки кредитного риска, для целей профориентации, построения систем поддержки межличностной коммуникации, персонализированного маркетинга. Объективное знание о закономерностях отражения характера человека особенностями его внешности может быть основанием для новых технологий в области искусства. Таким образом можно помочь художникам более точно передавать характер персонажей, а режиссерам подбирать актеров в соответствии с авторским замыслом.
В данной работе решалась проблема недостаточной изученности подходов и методов к анализу психологического профиля человека по его антропометрическим данным.
Основными результатами работы являются:
♦ Рассмотрены и изучены алгоритмы обнаружения лиц, выделены их плюсы и минусы, а также апробированы на практике некоторые из них.
♦ Была собрана база данных из 226 респондентов с их ответами на опросник по Big-5 и качественными фото лица в анфас и профиль
♦ Разработан метод отбора информативных антропометрических признаков Проведено комплексное исследование на реальных данных и экспериментальным путём получено достаточное качество классификации, которое позволяет применять данные алгоритмы на практике
♦ Разработано программное обеспечение, которое позволяет автоматически определять психологический тип человека по лицу
Выполненная работа делает вклад в развитие научных исследований, связанных с машинным обучением в общественных науках
