Reconocimiento de la expresión facial en secuencia de video usando parámetros basados en lbp

En esta disertación se diseñó e implementó un sistema de reconocimiento de la expresión facial que realiza detección de rostro, extracción de parámetros, selección de parámetros y clasificación de la expresión con algoritmos eficientes de bajo costo de cálculo y memoria, con el fin de su aplicación...

Full description

Autores:
Silva Cruz, Edwin Alberto
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2015
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/31831
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/31831
https://noesis.uis.edu.co
Palabra clave:
Reconocimiento Expresión Facial
Aprendizaje De Máquina
Lbp
Poem
Tpoem
Facial Expression Recognition
Machine Learning
Lbp
Poem
Tpoem
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
Description
Summary:En esta disertación se diseñó e implementó un sistema de reconocimiento de la expresión facial que realiza detección de rostro, extracción de parámetros, selección de parámetros y clasificación de la expresión con algoritmos eficientes de bajo costo de cálculo y memoria, con el fin de su aplicación en sistemas en tiempo real. Los parámetros extraídos son dinámicos, basados en patrones locales binarios y POEM (Patterns of Oriented Edge Magnitudes). El trabajo incluye la implementación de los algoritmos SFA-WM (Sequential Feature Analysis for extraction of Weak Metaclassifiers), que es un aporte original a la búsqueda de parámetros débiles, el algoritmo LC-NNMLE (Local Clustering-Nearest Neighbor MLE), para estimación de dimensión intrínseca, los códigos VPOEM y TPOEM, que probaron ser descriptores adecuados de la expresión facial. Además de pruebas de validación cruzada LSO, se realizaron pruebas de generalización entre bases de datos usando la base de datos KDEF. Los resultados fueron comparados con resultados del estado del arte, que muestran la validez de los parámetros y los sistemas de selección y clasificación con desempeño similar o superior al de la mayor parte de trabajos distinguidos en la bibliografía del tema.