Campo Dublin Core | Valor | Língua |
dc.contributor.advisor | Baptista, Roberto de Souza | - |
dc.contributor.author | Castro, Eric do Vale de | - |
dc.contributor.author | Castro, Gabriel Guimarães Almeida de | - |
dc.identifier.citation | CASTRO, Eric do Vale de; CASTRO, Gabriel Guimarães Almeida de. Reconhecimento de emoções a partir de expressões faciais pelo robô NAO. 2023. 87 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Mecatrônica) — Universidade de Brasília, Brasília, 2023. | pt_BR |
dc.description | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2023. | pt_BR |
dc.description.abstract | As expressões faciais são muito importantes para a comunicação não verbal, e assim, como
o ditado popular: "Um gesto fala mais do que mil palavras". Baseado neste dito seria possível
criar uma rede neural convolucional capaz de de classificar algumas emoções a partir da face
dos usuários, sendo elas: Raiva, Nojo, Medo, Felicidade, Neutralidade, tristeza e Surpresa.
Com isso, o classificador sendo aplicado na plataforma robótica NAO adiciona uma nova
capacidade para realizar outras aplicações com o mesmo. O trabalho apresentado neste
manuscrito terá uma metodologia de criar um classificador de emoções com a algumas
estratégias desde uma rede convolucional de 4 camadas e do MobileNet, e todas elas serão
testadas de forma funcional na plataforma robótica. A melhor estratégia se apresentou ser
o do MobileNet, que com o uma média 66% de precisão baseado no banco de imagens de
validação. E, esta rede aplicada no próprio robô teve resultados iguais a do treinamento, como
a neutralidade, tristeza e alegria teve em média 81% de acerto. Apesar de não apresentar
uma taxa nada satisfatória em relação a emoção de nojo, porém, para o restante das emoções
são possíveis de serem trabalhadas e analisadas para um relatório de emoções numa sessão
de terapia. | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject.keyword | Robótica | pt_BR |
dc.subject.keyword | Rede neural recorrente | pt_BR |
dc.subject.keyword | Processamento de imagens - técnicas digitais | pt_BR |
dc.title | Reconhecimento de emoções a partir de expressões faciais pelo robô NAO | pt_BR |
dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
dc.date.accessioned | 2024-07-02T16:53:14Z | - |
dc.date.available | 2024-07-02T16:53:14Z | - |
dc.date.submitted | 2023-02-15 | - |
dc.identifier.uri | https://bdm.unb.br/handle/10483/39101 | - |
dc.language.iso | Português | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
dc.description.abstract1 | Facial expressions are very important for nonverbal communication, and as the popular
saying goes: "A gesture speaks louder than a thousand words". Based on this saying, it would
be possible to create a convolutional neural network capable of classifying some emotions
from the users’ faces, namely: Anger, Disgust, Fear, Happiness, Neutrality, Sadness, and
Surprise. With this, the classifier applied to the NAO robotic platform adds a new ability
to perform other applications with it. The work presented in this manuscript will have a
methodology of creating an emotion classifier with some strategies including a 4 layers
convolutional network and the MobileNet, and all functionally tested on the robotic platform.
The best strategy was using the MobileNet, with an average of 66% accuracy based on the
validation image database. And, this network applied to the robot itself showed results equal
to those of the training, such as neutrality, sadness, and joy, with an average accuracy of 81%.
Despite not presenting a satisfactory rate regarding the emotion of disgust, the rest of the
emotions can be worked on and analyzed for an emotion report in a therapy session. | pt_BR |
Aparece na Coleção: | Engenharia Mecatrônica
|