Reconhecimento dinâmico de emoções através de expressões faciais utilizando árvore de decisão

• Adilmar C. Dantas Universidade Federal de Uberlândia (UFU)
• Sara L. de Melo Universidade Federal de Uberlândia (UFU)
• Fábio F. Moura Instituto Federal de Minas Gerais (IFMG)
• Márcia A. Fernandes Universidade Federal de Uberlândia (UFU)

DOI: https://doi.org/10.5753/cbie.sbie.2015.1102

Resumo

A classificação de emoções através de expressões faciais em ambientes computacionais tem sido largamente investigada, pois permite ampliar e refinar as interações entre usuário e sistema. No âmbito acadêmico, esta classificação pode ser utilizada em ambientes virtuais de aprendizagem a fim de motivar o estudante à partir de sua emoção. Este trabalho apresenta um sistema em tempo real para o reconhecimento das sete emoções básicas (alegria, surpresa, raiva, medo, desgosto, tristeza e neutra). Para isto, a detecção das expressões faciais foi feita através da inserção de pontos na face tendo como base as unidades de movimento. Após a extração de características na face encontrada, foi utilizada a técnica Árvore de Decisão para a classificação precisa das emoções. A ferramenta desenvolvida foi integrada ao Moodle e, o reconhecimento das emoções foi testado e validado com imagens estáticas e vídeos gerados da base de dados Cohn-Kanade. Os resultados obtidos foram satisfatórios para todas as emoções, atingido um percentual geral de 86, 4% de acurácia.

Palavras-chave: Reconhecimento facial, Computação Afetiva, Expressões Faciais

Referências

Azcarate, A., Hageloh, F., Sande, K. V., and Valenti, R. (2005). Automatic facial emotion recognition. Universiteit van Amsterdam.

Ekman, P. and Friesen, W. (1978). Facial action coding system. Alto: Consulting Psychologist Press.

Garcia, L. S. L. (2009). A expressão das emoções no homem e nos animais. In Traduzido por: Leon de Souza Lobo Garcia – A Origem das Espécies, publicado por Charles Darwin – 1859, pages 33–55, São Paulo, Brasil. Companhia de Bolso. [link].

Jaques, P., Nunes, M. A. S., Isotani, S., and Bittencourt, I. (2012). Computação afetiva aplicada a educação: Dotando sistemas tutores inteligentes de habilidades sociais. In Anais do Workshop de Desafios da Computação Aplicada a Educação, pages 50–59.

Jenhani, I., Amor, N. B., and Elouedi, Z. (2008). Decision trees as possibilistic classifiers. International Journal of Approximate Reasoning, 48(3):784–807.

Kanade, T. C. and Cohn, J. (2005). Au-coded facial expression database.

Kohonen, T., Schroeder, M. R., and Huang, T. S., editors (2001). Self-Organizing Maps. Springer-Verlag New York, Inc., Secaucus, NJ, USA, 3rd edition.

Melo, S. L., Moura, F. F., Macedo, K., Alves, F. S. R., and Fernandes, M. A. (2014). Estudo comparativo de técnicas computacionais para classificação de emoções. XXV Simpósio Brasileiro de Informática na Educação (SBIE 2014), 25:456–465.

Moodle (2015). Moodle. [link].

Moura, F. F., Franco, L. M., and Melo, S. L. Fernandes, M. A. (2013). Evolução das inteligências múltiplas pelo método da espiral de aprendizagem de kolb utilizando pso. XXIV Simpósio Brasileiro de Informática na Educação. [link].

Pantic, M. and Rothkrantz, L. J. M. (2000). Automatic analysis of facial expressions: The state of the art. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 22(12):1424–1445.

Rao, K. S. and Koolagudi, S. G. (2013). Recognition of emotions from video using acoustic and facial features. Signal, Image and Video Processing, 6:1863–1703.

Rázuri, J. G., Sundgren, D., Rahmani, R., and Cardenas, A. M. (2013). Automatic emotion recognition through facial expression analysis in merged images based on an artificial neural network. In MICAI (Special Sessions), pages 85–96. IEEE.

Schapire, R. E. (1990). The strength of weak learnability. Mach. Learn., 5(2):197–227.

Viola, P. and Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. pages 511–518.