Proyecto final de Grado: Automated detection of facial expressions using image analysis
Fecha
2019-07-05
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
"The broad range of applications for automatic expression detection sparks the need for a robust and effective implementation. In this paper, an exposition of the existing methods most frequently used for this purpose is done, and an analysis of their performance is carried out. These include both feature detection methods such as Gabor filters and Histograms of Gradients as well as classifiers based in neural networks. Existing data sets consisting of images of persons faces with a labeled expression are used for training and testing purposes. A success rate of 87.6% is achieved when classifying images with up to four different expressions."
"La amplia gama de aplicaciones para la detección automática de expresiones faciales genera la necesidad de implementar un sistema rápido y robusto. En este trabajo se realiza una exposición de los métodos existentes más frecuentemente usados y se lleva a cabo un análisis de su rendimiento. Estos incluyen tanto métodos para la detección de características como clasificadores basados en redes neuronales. Se utilizan bases de datos existentes de imágenes de personas, con una expresión etiquetada, para entrenar los métodos de clasificación y para evaluar la efectividad de los mismos. Se alcanza un éxito del 87.6% cuando se clasifican hasta cuatro expresiones distintas."
"La amplia gama de aplicaciones para la detección automática de expresiones faciales genera la necesidad de implementar un sistema rápido y robusto. En este trabajo se realiza una exposición de los métodos existentes más frecuentemente usados y se lleva a cabo un análisis de su rendimiento. Estos incluyen tanto métodos para la detección de características como clasificadores basados en redes neuronales. Se utilizan bases de datos existentes de imágenes de personas, con una expresión etiquetada, para entrenar los métodos de clasificación y para evaluar la efectividad de los mismos. Se alcanza un éxito del 87.6% cuando se clasifican hasta cuatro expresiones distintas."
Descripción
Palabras clave
REDES NEURONALES, EXPRESION FACIAL, CLASIFICACION DE IMAGENES