Processamento automático de ações faciais superiores usando redes neurais artificiais e processamento de imagens.

• Autor(a) principal: Tornice, Alexandre
• Data de Publicação: 2000
• Tipo de documento: Dissertação
• 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-15102024-101743/
• topic: Image processing; Neural networks; Processamento de imagens; Redes neurais

O principal objetivo deste trabalho é propor um sistema de reconhecimento automático de ações faciais em imagens usando redes neurais artificiais (RNAs) e o Sistema de Codificação de Ações Faciais (FACS - Facial Action Coding System): umaferramenta amplamente usada para descrever movimentos musculares faciais. Um banco de 80 imagens foi usado para treinar o sistema e outras 180, selecionadas a partir de um banco de 400 imagens experimentais, foram usadas para testar o sistema.Cada imagem foi primeiramente avaliada por um especialista em codificação FACS e, uma vez treinado o sistema, a classificação automática foi comparada com a realizada manualmente. Nas duas últimas décadas desde a criação do código FACS, umgrande número de métodos de reconhecimento automático foram concebidos, de simples medidas de similaridade até complexos sistemas baseados em transformações de imagens. Porém, nenhum tem mostrado um desempenho satisfatório ao lidar com ainformação contida em imagens ruidosas e realistas. Devido à baixa qualidade e resolução das imagens, incluindo a alta variabilidade de posições da cabeça no conjunto das imagens de teste, um conhecido método de extração de atributos paraimagens frontais da face foi usado em combinação com a localização espacial da cabeça. Esta localização espacial foi obtida a partir das coordenadas dos olhos e do nariz no plano da imagem, assim como da geometria da câmera considerada. Estanova técnica proposta se mostrou mais robustaque a simples extração de atributos, mas, no entanto, os resultados ainda não foram satisfatórios. As faces nas imagens usadas por alguns autores quase sempre são capturadas de perto, sendo que ossujeitos ficam de frente à câmera. Isso, certamente, aumenta substancialmente a taxa do reconhecimento das expressões. Finalmente, considerou-se que os métodos mais comuns de extração de atributos presentes na literatura não têm mostrado bonsresultados ) devido à escolha de atributos não ser otimizada para detectar ações faciais. Ao invés de se usar as chamadas medidas de enrugamento de segmentos em certas posições faciais, regiões bidimensionais mostraram-se uma boa escolha, eparecem ser perfeitamente aplicáveis à análise facial. A comparação dos resultados entre classificação humana e automática foi apresentada nas conclusões, usando os novos atributos aperfeiçoados, juntamente com a rede neural PerceptronMulticamadas, à procura de melhores taxas de classificação.