Sistema embebido para la detección de expresiones faciales y clasificación de emociones a través de una máquina de soporte vectorial

Francisco Emiliano Aguayo Serrano

Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/2479

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Jesús Carlos Pedraza Ortega	es_ES
dc.creator	Francisco Emiliano Aguayo Serrano	es_ES
dc.date	2021-01-15	-
dc.date.accessioned	2020-12-09T15:34:45Z	-
dc.date.available	2020-12-09T15:34:45Z	-
dc.date.issued	2021-01-15	-
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/2479	-
dc.description	En este trabajo de investigación se muestra la implementación de un sistema de reconocimiento y clasificación de expresiones faciales (EF) en una computadora de escritorio así como en un sistema embebido, utilizando una Máquina de Soporte Vectorial (MSV, o por sus siglas en inglés SVM). En el desarrollo del sistema se sigue una metodología propia que consta de seis pasos. El primer paso es la adquisición de las imágenes, donde se muestran las bases de datos utilizadas; como segundo paso se aplica un pre-procesamiento a las imágenes para su calidad y normalizar los datos; en el tercer paso se detectan rasgos faciales y se resaltan las características de forma y apariencia del rostro; en el cuarto paso se implementa el Análisis Discriminante Lineal (ADL, o LDA por sus siglas en inglés) y el Análisis del Componente Principal (ACP, o PCA por sus siglas en inglés), con esto se reduce y se elimina información que sea redundante o irrelevante; en el quinto paso se entrenan y clasifican los datos, para ello se utiliza SVM con distintos núcleos; como sexto y último paso, se realiza una serie de experimentos aplicando métricas para probar y medir los resultados obtenidos. Como principal contribución o novedad en este trabajo se muestra la utilización del algoritmo K-Means para ayudar con la función de clasificación de SVM, esto con el fin de reducir las clasificaciones incorrectas en el paso de entrenamiento del algoritmo. Se realizaron diferentes pruebas en dos escenarios. El primer escenario solo con caras extraídas y el segundo escenario con la aplicación de técnicas de procesamiento de imágenes. El promedio de exactitud en la clasificación de SVM con LDA + SVM fue del 80 % mientras que LDA + K-MEANS + SVM fue del 96 %.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	En Embargo	es_ES
dc.subject	Sistema	es_ES
dc.subject	Reconocimiento	es_ES
dc.subject	Clasificación	es_ES
dc.subject	Extracción	es_ES
dc.subject	Expresiones Faciales	es_ES
dc.subject.classification	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.title	Sistema embebido para la detección de expresiones faciales y clasificación de emociones a través de una máquina de soporte vectorial	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	CURP	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	AUSF930902HQTGRR01	es_ES
dc.contributor.identificador	PEOJ691222HSPDRS07	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias en Inteligencia Artificial	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES
Aparece en:	Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
RI005539.pdf		3.1 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem