Novelty Detection Applied in Recognition of Facial Expressions

Abstract

Esta pesquisa investiga a capacidade das redes Perceptron de Múltiplas Camadas (MLP) e Função de Base Radial (RBF) na tarefa de Detecção de Novidade (DN) no reconhecimento de expressões faciais usando recursos de vídeo. O conjunto de dados de vídeo utilizado é produzido por atores profissionais em estúdio com estados afetivos básicos do rosto humano. Os algoritmos Viola-Jones, Kanade-Lucas-Tomasi (KLT) e Análise de Componentes Principais (PCA) são usados na fase de pré-processamento para extrair atributos da face. Os resultados avaliam o desempenho das redes MLP e RBF na tarefa DN, usando novas expressões faciais compatíveis com as utilizadas na fase de treinamento e também examinam a capacidade das redes em DN usando as faces de atores nunca antes vistos pelas redes. Neste processo, as redes MLP e RBF têm uma precisão de 98% para tarefa de classificação, 68% e 98% para DN com dados semelhantes aos dados da fase de treinamento e 100% para DN com dados totalmente novos. Assim, este trabalho reúne métodos e técnicas aplicadas na DN utilizando Redes Neurais Artificiais (RNA), visando a produção de sistemas interativos de cognição no campo da computação afetiva, baseados em técnicas de Inteligência Artificial (IA) e Visão Computacional.