Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/275655
Type: TESE DIGITAL
Title: Emotion recognition based on facial expressions robust to occlusions = Reconhecimento de emoções baseado em expressões faciais robusto a oclusões
Title Alternative: Reconhecimento de emoções baseado em expressões faciais robusto a oclusões
Author: Ramírez Cornejo, Jadisha Yarif, 1990-
Advisor: Pedrini, Hélio, 1963-
Abstract: Resumo: Expressões faciais oferecem evidências importantes sobre as emoções humanas. O desenvolvimento de um método automático para reconhecimento de emoções é uma tarefa desafiadora e tem aplicações em várias áreas de conhecimento, tais como reconhecimento de padrões, predição de comportamento, entretenimento, relações interpessoais e interações humano-computador. Uma abordagem de reconhecimento de emoções baseada em expressões faciais robusta a oclusões é proposta e avaliada nesta dissertação. Análise Robusta de Componentes Principais é empregada na reconstrução das expressões faciais ocluídas. Expressões faciais são extraídas por meio de diferentes características: representação geométrica, filtros de Gabor, Padrões Binários Locais e Histograma de Gradientes Orientados. Os vetores de cacterísticas gerados são reduzidos pelas técnicas de Análise de Componentes Principais e Análise Discriminante Linear, permitindo aumentar significativamente os níveis de acurácia. Os classificadores K-Vizinhos mais Próximos e Máquinas de Vetores de Suporte são usados para reconhecer as expressões. Três bases de dados públicas - {\it Cohn-Kanade} (CK), {\it Japanese Female Facial Expression} (JAFFE) e {\it Multimedia Understanding Group facial expression} (MUG) - são utilizadas nos experimentos para demonstrar a eficácia da metodologia proposta, amostrando que a representação geométrica consegue atingir altos níveis de acurácia para o reconhecimento de emoções sem oclusões e com oclusões em comparação com abordagens disponíveis na literatura. Os resultados também amostram que, entre as características de textura, as wavelets de Gabor trabalham melhor sem a presença de oclusões nas faces, enquanto os operadores HOG e LBP são robustos às faces ocluídas

Abstract: Facial expressions provide important indications about human emotions. The development of an automatic emotion recognition method is a challenging task and has applications in several knowledge domains, such as pattern recognition, behavior prediction, entertainment, interpersonal relations and human-computer interactions. An emotion recognition approach based on facial expressions robust to occlusions is proposed and evaluated in this work. Robust Principal Component Analysis (RPCA) is employed to reconstruct the occluded facial expressions. Facial expressions are extracted using different features: geometric representation, Gabor Filters, Local Binary Patterns and Histogram of Oriented Gradients. The obtained feature vectors are reduced using Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA), increasing recognition accuracy rates significantly. Finally, K-Nearest Neighbor algorithm (K-NN) and Support Vector Machine (SVM) classifiers are used to recognize the expressions. Three public data sets - Cohn-Kanade (CK), Japanese Female Facial Expression (JAFFE) and Multimedia Understanding Group (MUG) facial expression - are used to demonstrate the effectiveness of the proposed methodology. The geometric representation achieved high accuracy rates for occluded and non-occluded faces compared to approaches available in the literature. Among texture features, Gabor filter performed better on non-occluded faces, whereas HOG and LBP descriptors were robust to occluded-faces
Subject: Reconhecimento de expressões faciais
Reconhecimento de emoções humanas
Pontos fiduciais
Reconhecimento de padrões
Visão por computador
Processamento de imagens - Técnicas digitais
Editor: [s.n.]
Date Issue: 2015
Appears in Collections:IC - Tese e Dissertação

Files in This Item:
File SizeFormat 
RamirezCornejo_JadishaYarif_M.pdf6.81 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.