Buscar


Mostrar el registro sencillo del ítem

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


Ficheros en el ítem

Thumbnail
Nombre: RI005539.pdf
Tamaño: 3.029Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem