Submitted by Hugo Okada (hugookada@icomp.ufam.edu.br) on 2018-08-06T15:20:20Z No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-08-07T19:40:55Z (GMT) No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) / Rejected by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br), reason: Foi informado que houve fomento para a pesquisa, mas o Campo "Agencia de fomento" não foi preenchido. Favor inserir a informação. on 2018-08-07T19:42:15Z (GMT) / Submitted by Hugo Okada (hugookada@icomp.ufam.edu.br) on 2018-08-07T19:50:34Z No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) / Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2018-08-08T17:49:08Z (GMT) No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-08-08T18:03:14Z (GMT) No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) / Made available in DSpace on 2018-08-08T18:03:14Z (GMT). No. of bitstreams: 2 Hugo Okada - DissertaçãoFinalImpressao.pdf: 1926574 bytes, checksum: 11d9ce8f1defd7e7e8fd9ed063800f49 (MD5) folha de aprovacao.png: 872558 bytes, checksum: d5a44966ebbbb99af674bfe103d7911d (MD5) Previous issue date: 2018-04-03 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Computational techniques employed to solve real-world problems in the real world, such as the recognition of human emotions,has become more frequent. In this context, it is possible to use computational concepts and techniques to analyze and identify human emotions by applying features extracted from different data modalities such as face, gesture and writing. When data are obtained from video, according to the literature, any represented human emotion is composed of four temporal phases involving five steps (neutral, onset, apex, offset and neutral), these phases represent the entire "life" cycle of an emotion. Therefore, defining temporal phases is a very important step, since it supports video emotion recognition systems. This work presents an approach based on appearance and similarity techniques to automatically identify the temporal phases of emotions in videos taking into account face data. The experimental results provided in this work show that the proposed method is able to identify a pattern of emotions temporal phases recognition in videos based on face data features. The learned pattern is independent of the database used. / É cada vez mais frequente o uso de técnicas computacionais para resolver problemas existentes no mundo real, como por exemplo, o reconhecimento de emoções humanas. Nesse contexto, é possível a utilização de conceitos e técnicas computacionais para analisar e identificar a emoção humana através de características extraídas de diferentes modalidades de dados, tais como face, gesto e escrita. Quando os dados são obtidos a partir de vídeos, de acordo com a literatura, qualquer sentimento humano representado é composto por quatro fases temporais que ocorrem em cinco etapas (neutral, onset, apex, offset e neutral), essas fases representam todo o ciclo de ”vida”de uma emoção. Portanto, o exercício de definição das fases temporais é um passo muito importante, pois beneficia o trabalho dos sistemas de reconhecimento de emoções em vídeo. Este trabalho apresenta uma arquitetura baseada em técnicas de aparência e em similaridade voltadas para identificar de forma automática as fases temporais de emoções em vídeo considerando dados da face. Os testes contidos neste trabalho mostram que o método proposto identifica o padrão de reconhecimento das fases temporais de emoções em vídeos, a partir de dados de face, de forma independente da base de dados utilizada.