1 / 11

Detector de emociones usando OpenCV

Detector de emociones usando OpenCV. Para su uso en un robot emocional. Autores: Daniel Jesús García Moral Jorge Miguel Peñalva Zambrano. Otras posibilidades aún no exploradas :. Detectar la proximidad del usuario dependiendo del tamaño de la cara detectada.

aminia
Download Presentation

Detector de emociones usando OpenCV

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Detector de emociones usando OpenCV Para su uso en un robot emocional Autores: Daniel Jesús García Moral Jorge Miguel Peñalva Zambrano

  2. Otrasposibilidadesaún no exploradas: • Detectar la proximidad del usuario dependiendo del tamaño de la cara detectada. • Detección de la posición del usuario respecto de la cámara mediante la comparación con otras dos posiciones conocidas (detección de movimiento). • Clasificadores para gestos con las manos.

  3. ¿Pordóndeseguirahora?: • Entrenar al clasificador de sonrisas con distintas personas. • Realizar distintos clasificadores, como pueden ser cejas y ojos. • A partir de ahí cada emoción tendrá un valor que será igual a la suma de los distintos gestos detectados y ponderados; de esta forma podremos decir la emoción predominante con bastante acierto.

  4. Preparandoparadetectaremociones • Recortar imágenes para tener la región de interés de nuestra foto para el HaarTraining. • Crear archivo de texto con la info de estas imágenes. • Configurar CreateSamples, Haartraining y Performance. • Dejar el Haartrining computando.

  5. Nuestros clasificadores Mejor hacer clasificadores para cada uno Clasificadores de bocas: • Sonrisa fuerte • Sonrisa débil • Sorpresa Fijar bien la región de interés pero luego en facedetect decirle que busque en toda la cara.

  6. Nuestros clasificadores Clasificadores de ojos: • 1º Pasarle los ojos que nos daba facedetect Resultado negativo • 2º Pasarle la zona de los dos ojos Mejora resultado pero sigue sin ser positivo • 3ºAumentar la zona del ojo que devuelve facedetect para que incluya la cejaClasificador de enfado correcto

  7. Nuestros clasificadores Filtrar las emociones en facedetect: • Cada 20 capturas ve cuánto se ha aumentado cada variable. • Clasificador neutral nos ayuda a incrementar la robustez • Condiciones entre clasificadores: sorpresa únicamente cuando se dispara sólo; en cuanto hay enfadado, no se tienen en cuenta los demás

  8. Distinción entre personas • Recortar la cara y buscar dentro de la cara el recorte de la cara  Error. • Dividir la cara en trozos y buscar esos trozos dentro de la cara  Error. • Muestras negativas caras de uno, positivas caras del otro, muy difícil la distinción • Clasificador de enfado de Dani detecta a Jorge casi siempre enfadado, sin él estarlo  Sacar de ahí la distinción  Resultado satisfactorio.

  9. Distancias, movimiento • Distancias con el área de la cara • Definición de zonas: cerca, óptimo, lejos muy lejos. • Robot pide que vayas a la zona óptima, sólo en esa zona es donde miramos quién es y lanzamos sus clasificadores. • Viendo estado anterior y estado actual vemos el movimiento, si se está acercando o alejando.

  10. Vídeos, parte visual VENTANAS: • Result: foto con las emociones detectadas (cada una tiene un color). • Estado: Emoción presente tras filtrado. • ¿Quién es? • Distancia • Acción

  11. Blog: ¿PREGUNTAS? http://emotionalbot.wordpress.com/

More Related