Made available in DSpace on 2016-08-29T15:33:24Z (GMT). No. of bitstreams: 1
tese_9629_dissertacao(1)20160411-102533.pdf: 9277551 bytes, checksum: c18df10308db5314d25f9eb1543445b3 (MD5)
Previous issue date: 2016-03-03 / CAPES / O reconhecimento de expressões faciais tem sido uma área de pesquisa ativa nos últimos dez anos, com uma área de aplicação em crescimento como animação de personagens e neuro-marketing. O reconhecimento de uma expressão facial não é um problema fácil para métodos de aprendizagem de máquina, dado que pessoas diferentes podem variar na forma com que mostram suas expressões. Até uma imagem da mesma pessoa em uma expressão pode variar em brilho, cor de fundo e posição. Portanto, reconhecer expressões faciais ainda é um problema desafiador em visão computacional.
Para resolver esses problemas, nesse trabalho, nós propomos um sistema de reconhecimento de expressões faciais que usa redes neurais de convolução. Geração sintética de dados e diferentes operações de pré-processamento foram estudadas em conjunto com várias arquiteturas de redes neurais de convolução. A geração sintética de dados e as etapas de pré-processamento foram usadas para ajudar a rede na seleção de características. Experimentos foram executados em três bancos de dados largamente utilizados (CohnKanade, JAFFE, e BU3DFE) e foram feitas validações entre bancos de dados(i.e., treinar em um banco de dados e testar em outro). A abordagem proposta mostrou ser muito efetiva, melhorando os resultados do estado-da-arte na literatura. / Facial expression recognition has been an active research area in the past ten years,
with growing application areas such avatar animation, neuromarketing and sociable robots.
The recognition of facial expressions is not an easy problem for machine learning methods,
since people can vary signi cantly in the way that they show their expressions. Even images
of the same person in one expression can vary in brightness, background and position.
Hence, facial expression recognition is still a challenging problem.
To address these problems, in this work we propose a facial expression recognition
system that uses Convolutional Neural Networks. Data augmentation and di erent preprocessing
steps were studied together with various Convolutional Neural Networks architectures.
The data augmentation and pre-processing steps were used to help the network
on the feature selection. Experiments were carried out with three largely used databases
(Cohn-Kanade, JAFFE, and BU3DFE) and cross-database validations (i.e. training in
one database and test in another) were also performed. The proposed approach has shown
to be very e ective, improving the state-of-the-art results in the literature and allowing
real time facial expression recognition with standard PC computers.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/4301 |
| Date | 03 March 2016 |
| Creators | Lopes, André Teixeira |
| Contributors | Aguiar, Edilson de, Goldenstein, Siome Klein, Souza, Alberto Ferreira de, Santos, Thiago Oliveira dos |
| Publisher | Universidade Federal do Espírito Santo, Mestrado em Informática, Programa de Pós-Graduação em Informática, UFES, BR |
| Source Sets | IBICT Brazilian ETDs |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | text |
| Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds