Modelos activos de apariencia y máquinas de soporte vectorial para reconocimiento de expresiones faciales en tiempo real

• Autores: Dondero, Julián
• Año de publicación: 2013
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Jacobo Berlles, Julio César Alberto
• Materia: RECONOCIMIENTO DE EXPRESIONES; MODELOS ACTIVOS DE APARIENCIA; MAQUINAS DE SOPORTE VECTORIAL; CLASIFICADORES; RECONOCIMIENTO FACIAL; TIEMPO REAL; ADABOOST; EXPRESSION RECOGNITION; ACTIVE APPEARANCE MODELS; SUPPORT VECTOR MACHINES; CLASSIFIERS; FACIAL RECOGNITION; REAL TIME; ADABOOST
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Las imágenes faciales humanas pueden tener un gran grado de variación en textura y forma. Estas variaciones pueden ser causadas por diferencias de expresión, de pose e iluminación. Técnicas basadas en modelos pueden ser una buena aproximación para el análisis de expresiones faciales, en donde se intenta adaptar un modelo, el cual representa una entidad de interés, con una imagen desconocida. Los modelos faciales son capaces de imitar variaciones de forma y de apariencia de un conjunto de entrenamiento representativo que describe las características de la cara con un reducido conjunto de parámetros. Esta tesis describe un trabajo realizado con determinado tipo de modelo facial en la implementación de un sistema de reconocimiento de expresiones en tiempo real. Este sistema se compone de tres partes principales, el reconocimiento facial, los modelos activos de apariencia (AAM), y el análisis y clasificación de expresiones faciales utilizando un clasificador SVM. El alineado del modelo con una imagen de entrada, es un problema de optimización no lineal, donde se reducen al mínimo los residuos de textura a medida que se actualizan los parámetros del modelo. La etapa de ajuste consiste en el aprendizaje de las correlaciones entre los residuos de textura y parámetros del modelo de formas con el fin de construir un algoritmo más rápido y eficiente para el alineamiento y ajuste del modelo en tiempo real. Por último se clasifica la expresión en base a la información más relevante del modelo, utilizando diferentes descriptores de expresión y máquinas de soporte vectorial previamente entrenadas.
Human facial images may have a large degree of variation in texture and shape. These variations may be caused by differences in expression, pose and illumination. Model-based techniques can be a good approximation for facial expressions analysis in which attempts to adapt the model, which represents an entity of interest, with an unknown image. The Faces models are able to mimic variations in shape and appearance of a representative training set that describes the features of the face with a small set of parameters. This thesis describes work done with certain types of facial model in the implementation of a real time expression recognition system. It consists of three main modules, facial recognition, active appearance models (AAM), and the analysis and classification of facial expression using SVM. The model aligned with a target image is a nonlinear optimization based problem where minimizing waste texture as updating the model parameters. The forming step involves learning the correlations between the residuals of texture and model parameters in order to construct a fast and efficient algorithm for the alignment of the model in real time. Finally expression is classified based on the most relevant information of the model, using Support Vector Machines, previously trained.
Fil: Dondero, Julián. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.