Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/13688
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2015_VitorQuaresmaSilveiradeHollandaRamos.pdf9,04 MBAdobe PDFver/abrir
Título: Classificação automática de emoções utilizando imagens faciais : uma abordagem a partir da magnificação de vídeo euleriana e redes neurais artificiais
Autor(es): Ramos, Vitor Quaresma Silveira de Hollanda
Orientador(es): Vidal, Flávio de Barros
Assunto: Classificador automático de emoções
Magnificação de vídeo euleriana
Redes neurais (Computação)
Data de apresentação: 2015
Data de publicação: 15-Jul-2016
Referência: RAMOS, Vitor Quaresma Silveira de Hollanda. Classificação automática de emoções utilizando imagens faciais: uma abordagem a partir da magnificação de vídeo euleriana e redes neurais artificiais. 2015. xiv, 51 f., il. Monografia (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2015.
Resumo: Neste trabalho, uma abordagem inicial foi proposta para desenvolver um classificador automático de emoções usando Magnificação de Vídeo Euleriana e Redes Neurais Artificais. A abordagem proposta cria um vetor de descritores dos vídeos processados com Magnificação Euleriana e usa classificação pela Rede Neural Artificial para alcançar uma taxa aceitável de acurácia para emoções combinadas e isoladas. Para validar a eficiência do classificador de emoções, foram geradas matrizes de confusão com a emoção classificada pelo classificador e a emoção real do vídeo, sendo realizados testes com diversos conjuntos de emoções. O classificador conseguiu classificar de forma eficiente conjuntos de até 3 classes de emoções, se confundindo com mais emoções.
Abstract: In this work, an initial approach was proposed to develop an automatic emotion classification using Eulerian Video Magnification and Artificial Neural Networks (ANN). The proposed approach creates a descriptor vector from processed Eulerian Magnification videos and uses an ANN classification to achieve a suitable accuracy rate for isolated and combined emotions. To validate the efficiency of the emotion classifier, confusion matrices were generated with the emotion classified by the emotion classifer and the real emotion of the video, tests were made with several sets of emotions. The classifier was abble to classify effitiently sets with 3 classes of emotions, confusing when more emotions were used.
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2015.
Aparece na Coleção:Engenharia da Computação



Este item está licenciado na Licença Creative Commons Creative Commons