Любая информационная система, взаимодействующая с пользователем напрямую, нуждается не только в анализе смысла команд или действий человека, но также и в понимании его эмоций – невербального общения. Для разработки программного средства автоматического распознавания эмоций выбрана технология сверточной нейронной сети. Её предназначением является эффективное распознавание образов (изображений) – выходы скрытых промежуточных слоёв образуют матрицу (изображение) или набор матриц – несколько слоёв изображения. На вход сверточной нейронной сети подаётся три слоя изображения, которые обрабатываются отдельно и сравниваются с изображениями из базы данных. Авторами изучены современные программы – анализаторы эмоций, как отечественные, так и зарубежные, и существующие наборы данных (датасеты) для обучения свёрточных нейронных сетей, выполнен синтез и обучение модели. Для программной реализации решено использовать язык программирования Python версии 3 с дистрибутивом Anaconda, а также интегрированную среду разработки Jupiter Notebook, модули OpenCV и TensorFlow. Проведено тестирование, где была продемонстрирована работоспособность программного средства. При обсуждении результатов работы было отмечено, что именно эмоции движут поведением человека, в том числе деструктивными поступками, что важно для органов правопорядка. Программное средство находит применение во многих сферах: с его помощью можно определить воздействие рекламы на покупателя, узнать реакцию аудитории на фильмы, спектакли, шоу и др.; в сфере образования можно изучать настроение и внимание учеников во время занятий; в работе с персоналом можно определить эмоциональное состояние сотрудника, своевременно заметить его усталость, недовольство, готовность на конфликт и эффективнее перераспределить задачи; его можно использовать в медицине при реабилитации пациентов; оно может применяться в робототехнике, направленной на сферу услуг и работу с клиентами, и др.

Any information system that interacts with user directly needs not only to analyze the meaning of person’s commands or actions, but also to understand his emotions – nonverbal communication. Convolutional neural network technology was selected for development of automatic emotion recognition software. Its purpose is effective recognition of images – outputs of hidden intermediate layers form the matrix (image) or set of matrices – several layers of image. Three image layers are fed to input of convolutional neural network, which are processed separately, and compared with images from database. Authors studied modern emotion analyzer programs, both domestic and foreign, and existing datasets for training convolutional neural networks, synthesized and trained the model. For software implementation, it was decided to use Python programming language version 3, with Anaconda distribution, as well as Jupiter Notebook integrated development environment, OpenCV and TensorFlow modules. Testing was carried out, where functionality of software was demonstrated. When discussing the results of work, it was noted that it is emotions that drive human behavior, including destructive actions. It is important for law enforcement agencies. This software tool is used in many areas: to determine impact of advertising on buyer, to find out reaction of audience to films, performances, shows, etc. In the field of education, it can be studied the mood and attention of students during classes. In working with staff, it is possible to determine emotional state of employee – to notice his fatigue, dissatisfaction, readiness for conflict in timely manner, and to redistribute tasks more effectively. It can be used in medicine, in patients’ rehabilitation; and in robotics aimed at service sector and working with clients, etc.