Descrição sobre um sistema de reconhecimento de expressão facial para ser utilizado em um ambiente educacional. Identificando expressões negativas e auxiliar o entendimento do funcionamento cognitivo do aluno para que o ensino se torne otimizado, ou seja, ouvir e entender o que o professor leciona e abstrair e aprofundar o ensino pelo aluno/estudante. Através de técnicas como o algoritmo Viola-Jones, filtros de correlação, booster e demais técnicas para um sistema que interprete expressões faciais de um aluno.

1. Nome: Fabiano da Ventura
E-mail: fabianodaventura@gmail.com
Sistema de Reconhecimento
de Expressão Facial

2. QualoPropósito
daEducação?

3. Para o Estudante:
Crescimento intelectual e social.

4. Para o Professor
responsabilidade de guiar o estudante
para esse crescimento.

5. O que provoca a
segregação entre
professor e aluno?

9. Estudo Cognitivo
“A cognição é um conceito amplo e
abrangente que se refere às atividades
mentais envolvidas na aquisição,
processamento, organização e uso do
conhecimento[...]”
(MUSSEN et al., 1988, p.210)

10. Reconhecimento de
Expressões Faciais

11. Expressão Facial

12. Expressão Facial

13. Expressões faciais são identificadas em
animais

14. Até em seres inanimados

15. Segundo Allan & Barbara (PEASE,
2005, p. 17), 55% da comunicação
interpessoal é não-verbal.

16. Sistema
de Reconhecimento de
Padrão
(Aprendizado de Máquina)
Entrada
Decisão
Sensoriamento
Segmentação
Extração de Características
Classificação
Pós-Processamento

17. Algoritmo Viola-Jones
Paul Viola Michael Jones
2001

18. Imagem Integral
Imagem Original Tabela Áreas Somadas

19. Imagem Original Tabela Áreas Somadas
Imagem Integral

20. Haar-like feature

21. Haar-like feature

22. Haar-like feature

23. Haar-like feature

24. Haar-like feature

25. Haar-like feature

26. Haar-like feature

27. Haar-like feature

28. Haar-like feature
Em uma imagem 24x24, as instâncias de
configurações do tipo resultam no
total de 43.200 combinações identificadas como
face em potencial.

29. • Classificador fraco: Conjunto de Haar-like
feature executado individualmente.
• Classificador forte: Conjunto de Haar-like
feature em cascata.
Objetivo: Eliminar os falsos positivos.
Classificador AdaBoost
Amostras mais Relevantes – Treino no Aprendizado

30. Classificador AdaBoost
Entrada SaídaCl1 Cl2 Cl3 Cl4
P P P P
N N N N
Rejeitadas

31. Reconhecimento Pontos Fiduciais

32. Reconhecimento Pontos Faciais
• Determinar os pontos fiduciais nas etapas de
classificação;
• Rastrear a partir dos pontos fiduciais
distorções/alterações;
• Registrar as posições de deslocamento dos
pontos fiduciais;
• Comparar os deslocamentos das áreas de
interesse (extremidade: dos olhos, boca e
nariz);
• Criar referência da expressão estipulada.

33. Reconhecimento Pontos Faciais

34. Topologia do
Sistema de
Reconhecimento
de Expressão
Facial

35. Plano de metodologia

36. Professor e Aluno

38. Referências Bibliográficas
• VIOLA, P., JONES, M. Rapid object detection using a boosted cascade
of simple features. In: Computer Vision and Pattern Recognition,
2001.
• STERNBERG, Robert J. Psicologia Cognitiva. Editora Artmed - Porto
Alegre: 4ª edição.
• ARAUJO, G. M., Algoritmos para Reconhecimento de Características
Faciais baseado em Filtros de Correlação, Dissertação de M.Sc.,
COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, Março de 2010.
• DARWIN, C. The Expression of Emotions in Man and Animals, John
Murray, London, 1872.
• PEASE, Allan & Barbara. Desvendando os Segredos da Linguagem
Corporal. 7. ed. Rio de Janeiro: Sextante, 2005. 271p.
• MUSSEN, P. H.; CONGER, J. H.; KAGAN, J.; HUSTON, A. C.
Desenvolvimento e personalidade da criança. São Paulo: Harbra,
1988.

39. Sistema de Reconhecimento de
Expressão Facial
OBRIGADO!