Введение. Распознавание базовых эмоций по изображению лица востребовано в мониторинге водителей, медицинских интерфейсах и образовательной аналитике. С июля 2024 года в ЕС такие системы стали нормативным требованием. Среди методических подходов в данной области нейросетевые архитектуры обеспечивают высокую точность, однако требуют значительных обучающих выборок и обладают низкой интерпретируемостью, что особенно важно для задач безопасности. Классические дескрипторы LBP и HOG, напротив, характеризуются вычислительной экономичностью и интерпретируемостью, однако в сопоставимых условиях изучены недостаточно: сохраняются вопросы об устойчивости их метрик при кросс-валидации на компактных наборах и о природе смешений визуально близких эмоций. В этом контексте предполагалось, что наблюдаемая в подобных протоколах близкая к идеальной точность HOG отражает утечку идентичностей субъектов между обучающей и тестовой выборками и тем самым завышает оценку обобщающей способности дескриптора. Цель исследования — оценить LBP и HOG на наборе данных JAFFE в едином воспроизводимом конвейере и определить границы их применимости.

Материалы и методы. Для решения поставленных задач исследование организовано как сравнительное эмпирическое сопоставление преимуществ двух классических дескрипторов в рамках единого воспроизводимого протокола. В качестве экспериментальной базы использован открытый набор данных JAFFE (Lyons et al., 1998); 213 полутоновых изображений десяти испытуемых с семью базовыми эмоциями), а оценка качества классификации выполнялась по схеме стратифицированной пятикратной кросс-валидации. На этапе предварительной обработки изображения проходили нормализацию яркости (гистограммное выравнивание) и геометрическое выравнивание по опорным точкам лица. Затем на подготовленных кадрах извлекались дескрипторы LBP (текстура) и HOG (контурная геометрия), конкретные параметры которых детально приведены в тексте статьи. Полученные признаки подавались на вход линейного классификатора SVM, при этом параметр регуляризации подбирался по сетке {0,01; 0,1; 1; 10} в ходе внутренней трёхкратной кросс-валидации. Качество распознавания оценивали как среднее значение ± стандартное отклонение метрик Accuracy (точность) и Macro-F1 (макро-усредненная F1-мера) по результатам пяти внешних фолдов. Программная реализация всего конвейера выполнена на языке Python 3.10 (с использованием библиотек scikit-learn 1.3 и scikit-image 0.21).

Результаты исследования. В ходе проведённого эксперимента метод HOG в сочетании с линейным SVM (support vector machine, метод опорных векторов) обеспечил полное разделение семи эмоциональных классов на наборе данных JAFFE в рамках выбранного стратифицированного протокола. При использовании того же алгоритмического порядка метод LBP продемонстрировал существенно более низкую точность и выявил специфическую структуру систематических смешений: устойчиво неразличимыми оказались пары «страх – удивление» и «грусть – нейтральное выражение», а распределение метрик по категориям количественно определило фундаментальные различия между контурным и текстурным признаковыми представлениями.

Обсуждение. Полученные результаты свидетельствуют о решающем влиянии протокола разделения данных на итоговую оценку качества классических дескрипторов. В частности, идеальная разделимость признаков HOG объясняется сохранением идентичностей субъектов в обучающей и тестовой выборках, что полностью согласуется с известной чувствительностью градиентного профиля к индивидуальным особенностям лица. В отношении дескриптора LBP наблюдаемые значения точности попадают в диапазон, характерный для эталонной работы авторов Shan, Gong, McOwan. Однако структура ошибочных срабатываний, зафиксированная в настоящем исследовании, впервые детально интерпретирована посредством FACS-описания перекрывающихся наборов активных лицевых мышц, что ранее отсутствовало в опубликованных сравнительных обзорах.

Заключение. В работе успешно решены задачи по сравнительной оценке методов LBP и HOG, построению полностью воспроизводимого программного конвейера и содержательной интерпретации ошибок автоматической классификации. На основе полученных эмпирических данных модель HOG в связке с линейным классификатором SVM признана целесообразной для лабораторных задач с фиксированным составом испытуемых, тогда как применение LBP в аналогичной комбинации оправдано в качестве компонента гибридных архитектур со сверточными или рекуррентными нейронными сетями. В прикладной плоскости выводы применимы при проектировании современных систем распознавания эмоциональных состояний для медицинских интерфейсов и систем мониторинга психофизиологического состояния водителя. Вместе с тем существенными ограничениями исследования являются малый объем набора данных JAFFE и строго лабораторные условия съёмки. Преодоление данных факторов в дальнейших изысканиях предполагает переход к более сложному протоколу с полным исключением субъекта из обучающей выборки и проведение сопоставления с актуальными моделями глубокого обучения.