№ госрегистрации

Министерство общего и профессионального образования Российской Федерации

ФГБОУ ВПО МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ «СТАНКИН»

УДК 378.14

№ госрегистрации

Инв. №

УТВЕРЖДАЮ

Проректор университета

по научной работе

_____________ Ю.В.Подураев

«__» ______________20__ г.

ОТЧЕТ

О НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЕ

по теме:

«Разработка компьютерной системы человеко-машинного взаимодействия на основе распознавания черт лица»

(промежуточный)

Зав. кафедрой

«Управление и информатика

в технических системах», д.т.н., проф.

Ковшов Е.Е.

Руководитель темы,

к.т.н., доц.

(дата, подпись)

Митропольский Н.Н.

Исполнитель темы,

магистрант 1 курса обучения

(дата, подпись)

Рогозина М.М.

(дата, подпись)

Москва – 2012

Отчет 12 с., 3 рис., 20 источников, 4 приложения.

ГЕОМЕТРИЧЕСКАЯ МОДЕЛЬ ЛИЦА, МЕТОД АКТИВНОГО КОНТУРА, ОПРЕДЕЛЕНИЕ ЭМОЦИЙ, ОБРАБОТКА РАСТРОВЫХ ИЗОБРАЖЕНИЙ.

Объектом исследования в настоящей работе является распознавание эмоций человека на основе мимических проявлений.

Предметом исследования является распознавание эмоций человека с помощью компьютерных технологий для улучшения интерфейсов человеко-машинного взаимодействия.

Актуальность работы. В настоящее время в связи с глобальной компьютеризацией становится актуальной проблема разработки удобного и эргономичного человеко-машинного интерфейса «пользователь-компьютер». Существующие разработки позволяют человеку управлять своими движениями в виртуальном мире без применения различных манипуляторов: джойстиков, мышек (например, игровая консоль Microsoft Xbox 360 с сенсором Kinect [1]).

Но желание не только управлять компьютером, а научить его адаптироваться к поведению и настроению пользователя максимально точно – вот что на данный момент является первоочередной задачей многих современных исследований.

Результаты исследований, полученные в ходе данной работы, могут быть полезны для расширения возможностей виртуальной реальности: адаптивных компьютерных игр, конференций, чатов, – для реконструктивной пластической хирургии, косметологии, и других областей практической медицины, систем безопасности, систем контроля психоэмоционального состояния человека в процессе его работы, области совершенствования интерфейсов человеко-машинного взаимодействия.

Цель работы – создание системы человеко-машинного взаимодействия, основанной на распознавании психологического состояния человека с использованием мимической картины лица.

Содержание

РЕФЕРАТ 2

СОДЕРЖАНИЕ 3

1ПЛАН МАГИСТЕРСКОЙ ДИССЕРТАЦИИ 4

2ОБЗОР СОСТОЯНИЯ ВОПРОСА 5

3СРЕДСТВА РАЗРАБОТКИ 8

4МАКЕТ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 9

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 12

ПРИЛОЖЕНИЕ 1 13

ПРИЛОЖЕНИЕ 2 15

ПРИЛОЖЕНИЕ 3 17

ПРИЛОЖЕНИЕ 4 18

  1. План магистерской диссертации

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка обозначений и сокращений, списка использованных источников и приложений.

Во введении показана актуальность, сформулированы цели и задачи настоящей работы, отмечены ее научная новизна, практическая значимость и достоверность полученных результатов.

В первой главе, рассматриваются основы человеко-машинного взаимодействия как системы с обратной связью, современные типы интерфейсов.

Описываются современные методы решения задач распознавания эмоций человека, используемые алгоритмы распознавания лиц на растровых изображениях и в видеопотоке, алгоритмы улучшения качества изображений. Приводится классификация эмоций на основе «Системы кодирования лицевых движений» (далее СКЛИД) [2]. Проводится обзор существующих информационных технологий для определения психологического состояния человека. Формулируются цель и задачи диссертационной работы. Приводится планирование этапов решения поставленных задач.

Во второй главе разрабатываются алгоритмы определения черт лица с использованием опорных точек на статических растровых изображениях (фотографиях) и в видеопотоке.

Требование к алгоритмам: удовлетворительно распознавать черты лица на изображениях с помехами и шумами.

Приводится разработка геометрической модели лица на основе СКЛИД: описывается построение, выбираются дескрипторы эмоционального состояния, доказывается состоятельность данной модели и выбранных дескрипторов.

В третьей главе разрабатывается аппарат распознавания эмоций. В основу его полагается нейронная сеть. Проводятся исследования, целью которых является создание архитектуры, позволяющей наиболее эффективно решать задачу определения эмоционального состояния человека. Возможно интегрирование нейронной сети с инструментом нечеткой логики.

Требование к системе распознавания:

  1. Высокая скорость работы;
  2. Точность не менее 80%.

В четвертой главе рассматривается задача проектирования программного приложения. Оцениваются различные средства разработки исполняемого файла и библиотек, приводится структура разработанного программного обеспечения.

В заключении представлены выводы и результаты проделанной работы.

В списке обозначений и сокращений приведены обозначения и сокращения, используемые в данной работе.

В приложение вынесены таблицы с данными о работе системы, результаты тестирования системы на различных типах данных (фото и видео), скриншоты программы, различные диаграммы, отражающие скорость работы системы и ее структуру.

Обзор состояния вопроса

    В данном разделе будут рассмотрены основные системы распознавания эмоций, представленные на рынке.

    1. Название: «FaceReader» [3].

    Это наиболее совершенный и интересный продукт для задачи распознавания эмоционального состояния.

    Производитель: «Noldus Information Technology» (Нидерланды).

    Основные возможности: программа может верно интерпретировать такие выражения лица, как «счастливое», «грустное», «сердитое», «удивленное», «испуганное», «недовольное» и «нейтральное». Кроме того, «FaceReader» способен по лицам людей определять их возраст, пол и этническую принадлежность. Он не нуждается в обучении и дополнительной настройке.

    Используемые технологии: в программе реализованы технологии компьютерного зрения. В частности, это метод Active Template, заключающийся в наложении на изображение лица деформируемого шаблона, метод Active Appearance Model, с помощью которого можно создавать искусственную модель лица с учетом контрольных точек и деталей поверхности, и сравнивать ее с образцами, заложенными в память.

    Классификация происходит методами нейронных сетей с тренировочным набором в 2000 фотографий.

    Достоинства:

    • Средний процент распознавания эмоций равен 89%. Для некоторых эмоций он выше, для некоторых ниже;
    • Наклон лица может быть любым в плоскости, его система обнаружит;
    • Программа работает с загружаемым видео в форматах с кодеками MPEG1, MPEG2,XviD, DivX4, DivX5, DivX6, DV-AVI и uncompressed AVI, причем определять эмоции можно пофреймно, либо полностью при просмотре всего видео. Также, «FaceReader» может работать со статичными изображениями, а также в реальном времени, если у пользователя подключена веб-камера;
    • Программа прекрасно визуализирована: всегда можно посмотреть гистограммы, диаграммы, процентаж выражаемых эмоций. А на таймлайне видны проявления микровыражений в определенный промежуток времени;
    • «FaceReader» генерирует два текстовых файла, один – это лог проявления эмоций, а другой – статический, для сопряженной с данной программой уникальной системы управления визуальными данными The Observer XT®, разработанной этой же компанией.

    Недостатки программы:

    • FaceReader не натренирован для распознавания детей до 5ти лет;
    • Если человек в очках, то распознавание эмоций неточное, либо классификация не ведется;
    • Люди с разным цветом кожи по-разному воспринимаются системой, программа не до конца адаптирована;
    • Повернутое лицо не детектируется.

    1. Название: «eMotionSoftware» [4].

    Система известна тем, что это, по сути, первое коммерческое платное «коробочное» решение.

    Производитель: «Visual Recognition » (Нидерланды).

    Основные возможности: в данной программе отслеживающий алгоритм идентифицирует шесть эмоций: гнев, печаль, страх, удивление, отвращение и счастье, а также седьмая – это их смешение.

    Используемые технологии: если человек проявляет эмоции, улыбается, хмурится или корчит гримасу, тысячи мелких мышц лица находятся в работе. Система распознавания эмоций, или ERS (Emotion-recognition system), создает 3D — модель лица, с выявлением 12 ключевых областей, таких как уголки глаза и уголки рта. Алгоритмы неизвестны, технологии держатся в секрете.

    1. Название: Продукты «Affective Computing Research Group» [5].

    Производитель: «Affectiva» (США).

    Основные возможности: компания известна в первую очередь поставляемыми носимыми биосенсорами Q-Sensor. Но не только этим богата компания. Есть огромный опыт внедрения технологий среди Affective computing, или эмоциональных вычислительных систем, разработки идут с 1995 года. Проектов очень много. Это самая старейшая группа разработчиков, занимающаяся данными технологиями.

    Есть, например, проект AffQuake на базе продукта ID Software Quake 3. Суть в том, чтобы игра реагировала на эмоциональные сигналы игрока. Геймера обвешивают датчиками, и, если ему становится страшно, модифицированный Quake получает «физиологические сигналы» пользователя и заставляет точно так же бояться виртуальное воплощение игрока – оно в страхе отступает.

    Или, к примеру, разработана игрушка «Эмоциональный тигр» (Affective Tigger).

    Данный робот может идентифицировать пять эмоциональных состояний играющего с ним ребёнка и выразить в ответ свою эмоцию. Если ребёнок прыгает, весело тискает и целует игрушку, то система распознавания эмоций и сенсорная система «тигра» это физическое воздействие фиксируют, после чего демонстрируется счастье: Affective Tigger смеётся и улыбается.

    Есть занимательное решение для Web. Это инновационный продукт компании Affectiva, сбор данных об эмоциональном состоянии людей во всемирной паутине, Affdex. По большей части он используется для маркетинговых исследований.

    Одним из способов распознавания эмоционального состояния по лицу в данных разработках является запись в реальном времени с последующим компьютерным анализом — методами сравнения с заложенными образцами (SURF и на основе SIFT- дескрипторов), а также вейвлет-методами. Работа данных методов применяется в такой программе как Pupeteer, оценивающей поведение и эмоциональное состояние учеников. В ходе эксперимента по данному методу шесть базовых эмоций компьютер определяет с 96-процентной точностью.

    Решение примечательно еще тем, что распознает вкупе с эмоциями движения головы, такие как кивок или качание, мотания из стороны в сторону.

    Используемые технологии: используются процессы Байесовского машинного обучения для классификации эмоций, а также для вычисления статистики и вычисления смешанных состояний, когда нельзя точно выразить, какая именно эмоция превалирует.

    О самом программном обеспечении можно не многое сказать, так как технологии закрыты. Разработка ведется на С++, Objective C для iPhone.

    Существуют подобные разработки и у Германии [6].

    Как видно из обзора, продукты представлены многими компаниями и в разном виде: от коробочных версий программного обеспечения до веб-решений на основе модели SaaS (Software as a Service).

    Из общих недостатков подобных систем следует отметить проприетарность. Продукты, которые качественно обрабатывают входные данные, нечувствительны к масштабу и помехам, стоят порядка $2000, в том числе и за SDK.

    Учитывая приведенный обзор, можно сформулировать следующие задачи:

    1. Разработка адекватной геометрической модели лица в виде накладываемого деформируемого шаблона. Это позволит наиболее быстро оценить мимические проявления;
    2. Разработка системы распознавания эмоций. Из вышесказанного следует, что наиболее высокий процент распознавания у системы фирмы «Affectiva», использующей Байесовское машинное обучение. Следовательно, эффективным будет использование Байесовских сетей в качестве аппарата обработки в задаче определения эмоций;
    3. Разработка надежного, универсального, кросс-платформенного SDK для использования функциональности определения эмоции в статическом режиме и режиме реального времени.

    Средства разработки

      Для решения задач в качестве средства разработки должен был выступать язык высокого уровня, который поддерживает объектно-ориентированную парадигму, быстро обрабатывает входную графическую информацию, и дает возможность создания на нем кросс-платформенных библиотек и приложений. Таким образом, был выбран объектно-ориентированный язык программирования C++, удовлетворяющий всем этим требованиям.

      Язык C++ производительнее, например, Java, что немаловажно для обработки графической информации, нет необходимости в виртуальной машине для приложений, написанных на C++. К тому же, существует большое количество библиотек по распознаванию образов (яркий пример – OpenCV [7]) и определению характерных точек (asmlibrary [8] или STASM [9]), написанных на C, что определяет их легкое использование в приложениях на C++.

      В качестве среды разработки был выбран инструментарий, предоставляемый фреймворком Qt [10] для создания приложений. К сильным сторонам Qt можно отнести:

      1. Кроссплатформенность: Qt работает как в настольных операционных системах Windows, Linux, Mac OS и др., так и мобильных: Symbian, Maemo, MeeGo. Qt позволяет запускать написанное с его помощью программное обеспечение в большинстве современных операционных систем путём простой компиляции программы для каждой без изменения исходного кода.
      2. Быстроту: часто кросс-платформенные приложения, написанные на платформах Java или .NET, оказываются очень медлительным из-за дополнительного уровня абстракции и проигрывают по скорости приложениям на Qt.

      Достоинством данной библиотеки классов является поддержка такого мощного механизма, как «сигналы и слоты» [11].

      Дополнительной библиотекой является библиотека компьютерного зрения OpenCV. В ее функционал входит широкий спектр возможностей работы с изображениями. В данном случае это, конечно, поиск лиц методом Виолы-Джонса с использованием каскадов Хаара[12], различные возможности обработки изображения (детектор границ Канни [13], бинаризация изображения [14] и т.д.).

      В качестве библиотеки, используемой для выделения черт лица, была взята открытая кросс-платформенная библиотека STASM, которая выделяет характерные точки на основе метода активного контура [15].

      1. Макет программного обеспечения

      На рисунке 1 представлена диаграмма классов приложения.

      Рисунок 1 – Диаграмма классов приложения

      Классы ImageSource, VideoSource и FlowVideoSource отвечают за загрузку и предобработку входной информации. Классы PhotoModelBuilder и VideoModelBuilder наследуются от AbstractBuilder, строят геометрическую модель, используя соответствующие входные данные, и вычисляют значения дескрипторов – характеристик, однозначно определяющих эмоциональное состояние. Значения дескрипторов заносятся в массив results.

      Классы PhotoDetector и VideoDetector служат буфером между матаппаратом обработки значений дескрипторов и классами-построителями геометрической модели. Они отправляют результаты в специально обученную нейронную сеть (возможно, интегрированную с Байесовским обучением и нечеткой логикой), а затем имеют возможность получить обратно результат, который получится на выходе нейронной сети и визуализировать его.

      На выходе данной системы должна быть эмоция и вероятность того, что человек испытывает именно ее.

      На данном этапе создано программное обеспечение, которое дает возможность построения геометрической модели для определения работы мышц лица, на основе которой рассматриваются мимические изменения, характерные для эмоций радости, печали, удивления, гнева, усталости, страха, а также нейтрального выражения лица.

      Данная модель была построена с помощью метода активного контура и представлена на рисунке 2.

      Рисунок 2 – Геометрическая модель лица

      Из всей совокупности точек, необходимых для построения модели активного контура лица, были выделены характерные и соединены таким образом, что углы между образованными прямыми являются дескрипторами эмоционального состояния (рисунок 3).

      Рисунок 3 – Выделение дескрипторов эмоционального состояния

      Характерные точки были выделены, руководствуясь работами известного психолога, профессора Калифорнийского университета Пола Экмана [16, 17]. Выяснено, что «усталое или сонное» выражение лица, проявляется в опущенных веках, а также у уставшего человека «появляется зевота», чувство же злости и раздражения характеризуют «сжатые и суженные губы», а также во время того, как человек испытывает злость, «брови опускаются и сводятся вместе».

      Помимо отрицательных эмоций существуют «эмоции удовольствия, каждая из которых универсальна» и отличается от остальных. Так, удовольствие характеризуется «более широкой улыбкой», но в отличие от прочих улыбок, она «поднимает щёки кверху, собирает в складки кожу под глазами, уменьшает степень открытия глаз».

      Дескрипторы были разделены на группы соответственно чертам лица: наблюдая за изменением дескрипторов глаз, можно определить степень их открытости, с помощью изменения дескрипторов губ можно определить степень их сжатия, дескрипторы бровей отвечают за возможность определения их поднятия/опускания, дескрипторы носа указывают движение его крыльев.

      Список использованных источников

      1. XBOX. [Электронный ресурс]. – URL: http://www.xbox.com/ru-RU/kinect (дата обращения 02.03.2012).
      2. Friesen, W.; Ekman, P. // EMFACS-7: Emotional Facial Action Coding System. Unpublished manual. – California: University of California, 1983.
      3. Noldus. Information Technology. [Электронный ресурс]. – URL: http://www.noldus.com/human-behavior-research/products/facereader (дата обращения 05.03.2012).
      4. Visual Reconition. [Электронный ресурс]. – URL: http://www.visual-recognition.nl/eMotion.html (дата обращения 05.03.2012).
      5. Q Sensor. [Электронный ресурс]. – URL: http://www.affectiva.com/q-sensor/ (дата обращения 04.03.2012).
      6. Cognitec. The face recognition company. [Электронный ресурс]. – URL: (дата обращения 07.04.2012).
      7. Learning OpenCV [Электронный ресурс]. – URL: locv.ru/ (дата обращения 02.02.2012).
      8. Library of Active Shape Model. [Электронный ресурс]. – URL: http://code.google.com/p/asmlibrary/ (дата обращения 02.04.2012).
      9. Active Shape Models with Stasm [Электронный ресурс]. – URL: http://www.milbo.users.sonic.net/stasm/ (дата обращения 04.02.2012).
      10. Qt. [Электронный ресурс]. – URL: (дата обращения 02.03.2010).
      11. OpenNet. [Электронный ресурс]. – URL: http://www.opennet.ru/docs/RUS/qt3_prog/x521.html (дата обращения 02.03.2010).
      12. Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц. [Электронный ресурс]. – URL: http://habrahabr.ru/post/133826/ (дата обращения 02.03.2012).
      13. Детектор границ Канни. [Электронный ресурс]. – URL: (дата обращения 04.03.2012).
      14. Бинаризация изображений. [Электронный ресурс]. – URL: (дата обращения 04.03.2012).
      15. Kass, M., Witkin, A., Terzopoulos, D. Snakes: Active contour models // International Journal of Computer Vision, 1988. – pages 321-331.
      16. Экман, П. Психология эмоций. Я знаю, что ты чувствуешь. 2-е изд./ Пер. с англ. – СПб.: Питер, 2011. – 334 с.: ил.
      17. Ekman, P., Friesen, W.V., Hager, J. C. Facial action coding system// The Manual on CD ROM. – Salt Lake City: Research Nexus division of Network Information Research Corporation, 2002. – pages 525.
      18. Экман, П. Психология лжи. Обмани меня, если сможешь./ Пер. с англ. – СПб.: Питер, 2011. – 304 с.: ил.
      19. Шлее М. Qt4. Профессиональное программирование на C++ / М. Шлее. – СПб.: БХВ-Петербург, 2007. – 880 с.: ил.
      20. Ekman P., Friesen W. V., Hager ., J. C. Facial Action Coding System: A Technique for the Measurement of Facial Movement. // Consulting Psychologists Press – 1978.

      Приложение 1

      (обязательное)

      В таблице 1 рассмотрен план-график работы над диссертацией в 11-12 учебных семестрах.

      Таблица 1. План-график защиты магистерской диссертации

      Этапы работы

      Кол-во стр. текста или др. показатели

      Срок

      выпол-я

      Сроки консультаций

      Подпись руководителя

      Выбор темы и консультации у научного руководителя-консультанта по вопросам структуры, содержания, методики и сроков выполнения выпускной квалификационной работы

        Составление списка необходимой для изучения литературы

          Изучение литературы по теме

            Анализ опыта практического решения исследуемой проблемы

              Разработка темы, формулировка основных положений, выводов и практических рекомендаций

                Консультации и промежуточные доклады руководителю о ходе работы

                  Литературное и редакционно-техническое оформление текста

                    Представление завершенной выпускной квалификационной работы руководителю

                      Предварительная защита

                        Доработка, устранение отмеченных руководителем и на предварительной защите недостатков

                          Окончательный просмотр работы руководителем, принятие решения о допуске её к защите

                            Защита выпускной квалификационной работы

                            Приложение 2

                            (обязательное)

                            В таблице 2 представлены выступления на конференциях за 2011/2012 уч. год.

                            Таблица 2. Выступления на конференциях (2011/2012 уч. год)

                            Статус и название конференции

                            Место

                            проведения

                            Сроки конф.

                            Тема доклада

                            Соавторы

                            Научно-техническая международная молодежная конференция «Системы, методы, техника и технология обработки медиаконтента»

                            Москва, ФГБОУ ВПО МГУП им. Ивана Федорова

                            25-27 октября 2011

                            Построение геометрической модели лица для выделения дескрипторов психологического состояния человека

                            Завистовская Т.А.

                            Всероссийская молодежная конференция «Инновационные технологии в машиностроении» (ИТМ-2011)

                            Москва, ФГБОУ ВПО МГТУ «СТАНКИН»

                            октябрь 2011

                            Определение дескрипторов психологического состояния оператора станка с ЧПУ на основе метода активного контура

                            Международная конференция «New Information Technologies in Image Processing — 2011» («Новые информационные технологии в обработке изображений – 2011»)

                            Тампере, Технологический университет Тампере

                            ноябрь 2011

                            The human face geometric model construction for the emotional state descriptors detection

                            Завистовская Т.А.

                            Научный семинар кафедры «Прикладной математики и моделирования систем»

                            Москва, ВГНА

                            декабрь 2011

                            Построение геометрической модели лица для выделения дескрипторов эмоционального состояния человека

                            Завистовская Т.А.

                            Научно-практическая конференция «Автоматизированные системы управления в государственных бюджетных учреждениях»

                            Москва, ФМБА

                            28-29 февраля 2012

                            Формирование трёхмерной модели лица человека в реконструктивно-пластической хирургии

                            Колинько М.А., Завистовская Т.А.

                            I Международная научно-практическая конференция «Инновационные информационные технологии – 2012»

                            Прага, Российский центр науки и культуры в Праге

                            23-27 апреля 2012

                            Автоматическое определение дескрипторов эмоционального состояния на основе системы кодирования лицевых движений

                            Приложение 3

                            (обязательное)

                            В таблице 3 представлен перечень публикаций за 2011/2012 учебный год.

                            Таблица 3. Опубликованные работы (2011/2012 уч. год)

                            Автор(ы)

                            Название работы

                            Тираж

                            Объем, п.л.

                            Издатель

                            Завистовская Т.А.,

                            Рогозина М.М.

                            Построение геометрической модели лица для выделения дескрипторов психологического состояния человека

                            1

                            Научно-техническая международная молодежная конференция «Системы, методы, техника и технология обработки медиаконтента». Сборник тезисов. – М: РИЦ МГУП, 2011. – с. 36-37

                            Завистовская Т.А.,

                            Колинько М.А.,

                            Рогозина М.М.

                            Формирование трёхмерной модели лица человека в реконструктивно-пластической хирургии

                            3

                            Автоматизированные системы управления в государственных бюджетных учреждениях. Сборник тезисов докладов Конференции 28-29 февраля 2012 года. – М.:ИПК ФМБА России, 2012. – с. 32-35

                            Рогозина М.М.

                            Автоматическое определение дескрипторов эмоционального состояния на основе системы кодирования лицевых движений

                            500 экз.

                            2

                            Инновационные информационные технологии: Материалы международной научно-практической конференции. – М.: МИЭМ, 2012.– с.530-532

                            Ковшов Е.Е., Митропольский Н.Н., Завистовская Т.А., Рогозина М.М.

                            Построение геометрической модели лица для выделения дескрипторов психологического состояния оператора технологического оборудования

                            500 экз.

                            Вестник МГТУ «Станкин». Научный рецензируемый журнал. – М.: МГТУ «СТАНКИН», №1, том 2 (19), 2012. – с. 66-69.

                            Приложение 4

                            (обязательное)

                            В настоящем приложении рассматривается участие в учебной деятельности кафедры.

                            В течение года автор преподавал лабораторные работы и семинары по курсу «Вычислительные системы, сети и телекоммуникации». Совместно с научным руководителем были разработаны методические указания для занятий по данному курсу.

                            Перечень проведенных лабораторных работ представлен в таблице 4.

                            Таблица 4. Темы проведенных лабораторных работ (2011/2012 уч. год)

                            Семестр

                            Номер лабораторной работы

                            Название

                            сентябрь 2011 – январь 2012

                            Лабораторная работа № 1

                            «История развития ОС. Интерфейсы. Командная строка»

                            сентябрь 2011 – январь 2012

                            Лабораторная работа № 2

                            «Работа с графическим интерфейсом»

                            сентябрь 2011 – январь 2012

                            Лабораторная работа № 3

                            «Создание веб-страниц. Denwer. Виртуальные хосты»

                            февраль 2012 –июнь 2012

                            Лабораторная работа № 1

                            «Файлы и потоки»

                            февраль 2012 –июнь 2012

                            Лабораторная работа № 2

                            «Работа с файлами в Qt»

                            февраль 2012 –июнь 2012

                            Лабораторная работа № 3

                            «Программирование поддержки сети в Qt»

                            18