Utilize este link para identificar ou citar este item:
https://bdm.unb.br/handle/10483/13688
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