Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9580
Título: Reconhecimento de expressões faciais baseado em Active Appearance Model
Autor(es): Panceri, João Antonio Campos
Orientador: Salles, Evandro Ottoni Teatini,
Data do documento: 23-Fev-2018
Editor: Universidade Federal do Espírito Santo
Resumo: Este trabalho propõe uma solução de um sistema capaz de classificar, segundo os critérios estabelecidos por Paul Ekman, expressões básicas de comportamento na face humana em imagens digitais. A primeira etapa é referente a delimitação da expressão facial na imagem, para isto será utilizado o método baseado no algoritmo de modelagem AAM (Active Appearance Model) que possui uma exímia capacidade de ajustar um conjunto de pontos cuja a uma forma se adeque a uma face. Com intuito de realizar o processo de classificação, são extraídas as características tanto da imagem com expressão definida quanto da face com expressão neutra, então a diferença entre as características das duas imagens são aplicadas a um classificador de padrões como Support Vector Machine (SVM) e Rede Neural com o objetivo de classificar a expressão em questão. Por fim, para a validação do algoritmo e testes comparativos serão realizados simulações utilizando o banco de dados de expressões faciais amplamente conhecido na literatura Cohn-Kanade (CK+). Os resultados sugerem que é possível associar as deformações musculares, causadas pelas expressões faciais, com a triangulação de Delaunay obtida a partir das marcações ajustadas pela técnica AAM.
This work proposes the solution of a system capable of classifying, according to Paul Ekman’s principles, basic behavior expressions in a human face on a digital image. The first step refers to the outlining of the expression on the image. For this, a method based on the modeling algorithm AAM (Active Appearance Model) is applied. This method has an exceptional ability of adjusting a group of points whose shapes can be proper for a face. In order to initiate the classification process, the characteristics of the image with the defined expression, as well as the neutral expression one, are extracted, and the differences between them a classifier as Support Vector Machine and Neural Network performs the process of recognizing the expression. Finally, to authenticate the algorithm and the comparing tests, simulations with the facial expressions data bank, widely known as Cohn-Kanade (CK+), will be used. The results suggest that it is possible to associate muscular deformations, caused by facial expressions, with the Delaunay triangulation of landmarks reached by fitting AAM technique.
URI: http://repositorio.ufes.br/handle/10/9580
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_11837_Dissertação - Joao Panceri - V4.pdf8.76 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.