Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Persona, Leandro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado de máquina
Assistive technologies
Facial patterns
Machine learning
Padrões faciais
Recognition of emotions
Reconhecimento de emoções
Tecnologias assistivas
Link de acesso: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-21112023-114806/
Resumo: O reconhecimento de emoções é parte intrínseca das relações sociais humanas e está associado com comportamentos que resultam em padrões faciais distintos. Devido ao fato da expressão facial ser um indicador de contexto emocional, existe grande interesse científico, artístico, médico e comercial sobre o assunto e isso tem estimulado o desenvolvimento de técnicas e métodos computacionais de reconhecimento automático de emoções. Apesar dos métodos atuais apresentarem resultados satisfatórios, há ainda grandes desafios relacionados ao reconhecimento de emoções. Este trabalho apresenta um novo método, denominado REGL, cujo encadeamento de etapas tem o objetivo de aprimorar o reconhecimento de expressões faciais e emoções humanas. O método visa diminuir a variabilidade amostral, permitindo um melhor ajuste das informações que definem os padrões faciais. Dentre as técnicas exploradas, inclui-se a normalização dos pontos fiduciais faciais, chamados de landmarks, para a construção de classificadores destinados ao reconhecimento das emoções. Como resultado, obteve-se uma acurácia média de 90% com a utilização de algoritmos de Aprendizado de Máquina com diferentes arquiteturas. Esses resultados indicam que: (i) o método REGL é mais aprimorado do que os investigados em termos de taxa de acerto e (ii) produziu resultados mais resilientes, considerando menor dependência do conjunto de treino e da arquitetura do classificador. Destaca-se que o reconhecimento de emoções faciais é um passo importante em diferentes áreas, possibilitando o desenvolvimento de tecnologias assistivas mais robustas e permitindo a melhoria das técnicas de síntese computacional.
id USP_941c68b1ce746c6d69c1a70af511df4d
oai_identifier_str oai:teses.usp.br:tde-21112023-114806
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarksRecognition of emotions through facial geometry with normalized landmarks coordinatesAprendizado de máquinaAssistive technologiesFacial patternsMachine learningPadrões faciaisRecognition of emotionsReconhecimento de emoçõesTecnologias assistivasO reconhecimento de emoções é parte intrínseca das relações sociais humanas e está associado com comportamentos que resultam em padrões faciais distintos. Devido ao fato da expressão facial ser um indicador de contexto emocional, existe grande interesse científico, artístico, médico e comercial sobre o assunto e isso tem estimulado o desenvolvimento de técnicas e métodos computacionais de reconhecimento automático de emoções. Apesar dos métodos atuais apresentarem resultados satisfatórios, há ainda grandes desafios relacionados ao reconhecimento de emoções. Este trabalho apresenta um novo método, denominado REGL, cujo encadeamento de etapas tem o objetivo de aprimorar o reconhecimento de expressões faciais e emoções humanas. O método visa diminuir a variabilidade amostral, permitindo um melhor ajuste das informações que definem os padrões faciais. Dentre as técnicas exploradas, inclui-se a normalização dos pontos fiduciais faciais, chamados de landmarks, para a construção de classificadores destinados ao reconhecimento das emoções. Como resultado, obteve-se uma acurácia média de 90% com a utilização de algoritmos de Aprendizado de Máquina com diferentes arquiteturas. Esses resultados indicam que: (i) o método REGL é mais aprimorado do que os investigados em termos de taxa de acerto e (ii) produziu resultados mais resilientes, considerando menor dependência do conjunto de treino e da arquitetura do classificador. Destaca-se que o reconhecimento de emoções faciais é um passo importante em diferentes áreas, possibilitando o desenvolvimento de tecnologias assistivas mais robustas e permitindo a melhoria das técnicas de síntese computacional.Recognition of emotions is an intrinsic act of human social relationships, and it is associated with behaviors that result in distinct facial patterns. Considering that facial expression is an indicator of emotional context, there is scientific, artistic, medical, and marketing interest in the subject, which has stimulated the development of techniques and computational methods for automatic emotion recognition. Our work presents the method REGL. REGL is a sequence of steps to recognize facial expressions and human emotions in images. The method aims to reduce sample variability, allowing for a better adjustment of the information that defines facial patterns. Among the techniques, we included the normalization of facial fiducial points (landmarks). We also configured classifiers for the recognition of facial emotions. As a result, we obtained an average accuracy of 90% using Machine Learning algorithms with different architectures. These results demonstrate that: (i) the REGL method is an improved method in terms of hit rate, and (ii) it produced more resilient results, considering less dependence on the training set and the classifier architecture. It is noteworthy that the facial emotion recognition of facial emotions is an essential step in different areas, enabling the development of more robust assistive technologies and allowing the improvement of computational synthesis techniques.Biblioteca Digitais de Teses e Dissertações da USPMacedo, Alessandra AlanizMeloni, FernandoPersona, Leandro2022-04-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/59/59143/tde-21112023-114806/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-12-20T14:53:03Zoai:teses.usp.br:tde-21112023-114806Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-20T14:53:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
Recognition of emotions through facial geometry with normalized landmarks coordinates
title Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
spellingShingle Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
Persona, Leandro
Aprendizado de máquina
Assistive technologies
Facial patterns
Machine learning
Padrões faciais
Recognition of emotions
Reconhecimento de emoções
Tecnologias assistivas
title_short Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
title_full Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
title_fullStr Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
title_full_unstemmed Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
title_sort Reconhecimento de emoções por meio da geometria facial com coordenadas normalizadas dos landmarks
author Persona, Leandro
author_facet Persona, Leandro
author_role author
dc.contributor.none.fl_str_mv Macedo, Alessandra Alaniz
Meloni, Fernando
dc.contributor.author.fl_str_mv Persona, Leandro
dc.subject.por.fl_str_mv Aprendizado de máquina
Assistive technologies
Facial patterns
Machine learning
Padrões faciais
Recognition of emotions
Reconhecimento de emoções
Tecnologias assistivas
topic Aprendizado de máquina
Assistive technologies
Facial patterns
Machine learning
Padrões faciais
Recognition of emotions
Reconhecimento de emoções
Tecnologias assistivas
description O reconhecimento de emoções é parte intrínseca das relações sociais humanas e está associado com comportamentos que resultam em padrões faciais distintos. Devido ao fato da expressão facial ser um indicador de contexto emocional, existe grande interesse científico, artístico, médico e comercial sobre o assunto e isso tem estimulado o desenvolvimento de técnicas e métodos computacionais de reconhecimento automático de emoções. Apesar dos métodos atuais apresentarem resultados satisfatórios, há ainda grandes desafios relacionados ao reconhecimento de emoções. Este trabalho apresenta um novo método, denominado REGL, cujo encadeamento de etapas tem o objetivo de aprimorar o reconhecimento de expressões faciais e emoções humanas. O método visa diminuir a variabilidade amostral, permitindo um melhor ajuste das informações que definem os padrões faciais. Dentre as técnicas exploradas, inclui-se a normalização dos pontos fiduciais faciais, chamados de landmarks, para a construção de classificadores destinados ao reconhecimento das emoções. Como resultado, obteve-se uma acurácia média de 90% com a utilização de algoritmos de Aprendizado de Máquina com diferentes arquiteturas. Esses resultados indicam que: (i) o método REGL é mais aprimorado do que os investigados em termos de taxa de acerto e (ii) produziu resultados mais resilientes, considerando menor dependência do conjunto de treino e da arquitetura do classificador. Destaca-se que o reconhecimento de emoções faciais é um passo importante em diferentes áreas, possibilitando o desenvolvimento de tecnologias assistivas mais robustas e permitindo a melhoria das técnicas de síntese computacional.
publishDate 2022
dc.date.none.fl_str_mv 2022-04-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/59/59143/tde-21112023-114806/
url https://www.teses.usp.br/teses/disponiveis/59/59143/tde-21112023-114806/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258373355995136

Registros relacionados