Análise da classificação e da síntese de expressões faciais emocionais com redes neurais artificiais.

• Autor(a) principal: Capeli, Olímpio Murilo
• Data de Publicação: 2002
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-16102024-110536/
• topic: Image processing; Neural networks; Processamento de imagens; Processamento de sinais; Redes neurais; Signal processing

O reconhecimento de expressões faciais humanas por sistemas computacionais, tem sido nestes últimos anos uma das mais interessantes atrações para pesquisas na área da Comunicação Homem-Máquina, e o uso de redes neurais artificiais vêm contribuir de modo significativo na implementação de sistemas de classificação de padrões que usam hardware e software. Este trabalho está baseado na observação e reconhecimento de seis estados emocionais humanos básicos, que são: alegria, medo, tristeza, surpresa, nojo e raiva. Estão incluídas mais duas expressões, neutra e não identificada (NI). Para construir o sistema integrado de classificação de sinais emocionais foram estudas técnicas de processamento de sinais e imagens, engenharia do reconhecimento e classificação de padrões com redes neurais artificiais, além de estudos de anatomia e coleta de dados científicos da área da psicologia. Atualmente muitos são os trabalhos da área da Inteligência Artificial que são aplicáveis na automação, mais precisamente na simulação e construção de robôs humanóides, máquinas estas que têm comportamento similar ao ser humano e que podem realizar tarefas com grande precisão. Porém outras áreas também podem fazer uso dos algoritmos classificadores aqui propostos, por exemplo, estudos da morfologia, análises faciais em pacientes com disfunção neurológica tais como paralisia ou esquizofrenia, e também animação gráfica para o lazer. Foram realizados experimentos usando a rede debase radial sobre um conjunto de 350 imagens de faces, sendo que os índices de acerto atingiram níveis superiores a 90% durante a fase dos treinamentos, enquanto que para experimentos de testes conseguiu-se taxas em torno de 70%. Estes resultados permitem afirmar que o sistema proposto pode ser usado para classificação de sinais faciais.