Reconeixement d'expressions facials mitjançant l'ús de xarxes neuronals convolucionals

In recent years has appeared the need to be able to classify a person's facial expression automatically, that is, without making use of human intervention. For that task, this project is based on the research and development of multiple systems capable of recognizing these expressions and to obtain a certain precision in the classification, always with the aim of trying to match the current state of the art. Throughout this work, the convolutional neural networks (CNN) is used to extract the characteristics of different images (the different expressions) and then the consequent integration of different classifiers such as the Softmax or the Support Vector Machine (SVM ) with the objective to assign a certain probability that the image belongs to one emotion or another. During the course of the project a comparison is made of how the different architectures of the system as well as the parameters that define it affect the accuracy of classification. Each system will be evaluated in a set of different databases such as Radboud and Umea database for still images and Cohn Kanade Plus for sequences.En els últims anys ha aparegut la necessitat de ser capaços de classificar les expressions facials d’una persona de manera automàtica, és a dir, sense haver de fer ús de la intervenció humana. Es per aquest motiu que aquest projecte es basa en la investigació i el desenvolupament de múltiples sistemes capaços de reconèixer aquestes expressions i obtenir d’aquesta forma una determinada precisió en la classificació, sempre sota la premissa d’intentar apropar-nos a l’actual estat de l’art. Al llarg d’aquest treball es fa un de les xarxes neuronals convolucionals (CNN) per extreure les característiques de diferents imatges (que reflexen les diferents expressions) y després la conseqüent integració de diferents tècniques de classificació com son la funció Softmax o el Support Vector Machine (SVM) amb l’objectiu d’assignar una determinada probabilitat de que aquesta imatge expressi una emoció o una altre. En l’esdevenir del projecte es realitza una comparativa de com afecten les diferents arquitectures del sistema i els paràmetres que el defineixen. Cada sistema serà avaluat sota diferents bases de dades com son la Radboud i la Umea per imatges fixes i la Cohn Kanade Plus per seqüencies.En los últimos años ha aparecido la necesidad de ser capaz de clasificar las expresiones faciales de una persona de forma automática, es decir, sin hacer uso de la intervención humana. Para ello, este proyecto se basa en la investigación y desarrollo de múltiples sistemas capaces de reconocer estas expresiones obteniendo una determinada precisión en la clasificación, siempre con el objetivo de intentar igualar el estado del arte actual. A lo largo de este trabajo se hace uso de las redes neuronales convolucionales (CNN) para extraer las características de diferentes imágenes (las diferentes expresiones) y luego la consiguiente integración de diferentes sistemas de clasificación como son el Softmax o el Support Vector Classifier (SVC) con tal de asignar una determinada probabilidad de que esa imagen pertenezca a una emoción u otra. Durante el transcurso del proyecto se realiza una comparativa de cómo afectan las diferentes arquitecturas del sistema así como los parámetros que lo definen. Cada sistema será evaluado en un set de diferentes bases de datos como son la Radboud y la Umea database para imágenes fijas y la Cohn Kanade Plus para secuencias