ESTUDIO COMPARATIVO DE CLASIFICADORES PARA EL RECONOCIMIENTO DE EXPRESIONES FACIALES (A COMPARATIVE STUDY OF CLASSIFIERS FOR FACIAL EXPRESSION RECOGNITION)

Resumen

Resumen

De acuerdo con el Sistema de Codificación de Acciones Faciales (FACS) de Paul Ekman, las expresiones faciales se originan por la activación de distintos conjuntos de músculos del rostro. En la última década, se han reportado numerosos estudios que intentan reconocer automáticamente emociones en el rostro a partir de expresiones faciales. Sin embargo, para lograr una precisión aceptable, los algoritmos propuestos necesitan entrenamiento específico y en la mayoría de los casos, su ejecución computacional llega a requerir mucho tiempo. En este trabajo presentamos un algoritmo para clasificar expresiones faciales en alguna de las ocho categorías básicas de Paul Ekman: enojo, desprecio, disgusto, miedo, alegría, tristeza, sorpresa y neutral. Utilizando la base de datos de Cohn-Kanade, se han elaborado algoritmos de detección y alineamiento facial mismos que permiten obtener 68 conjuntos de coordenadas correspondientes a puntos específicos del rostro. Dichas coordenadas se han alimentado a distintos clasificadores con el objetivo de comparar su desempeño. Los resultados indican que el clasificador con mejor desempeño es el Perceptrón Multicapa con una precisión del 89%.

Palabras Claves: clasificadores, detección de puntos de interés, perceptrón multicapa, reconocimiento de expresiones faciales, técnicas de aprendizaje supervisado.

Abstract

According to Paul Ekman’s Facial Action Coding System (FACS), facial expressions can be reduced to sets of movements of different facial muscles. During the last decade, a number of studies have attempted to recognize automatically emotions from facial expressions. However, in order to achieve an acceptable precision, the proposed algorithms need specific training and are computationally burdensome. In this paper, we propose an algorithm to classify facial expressions in one of the eight basic categories of Paul Elkman: anger, sadness, happiness, contempt, disgust, surprise, fear and neutral. Using the Cohn-Kanade dataset, we have elaborated face detection and alignment algorithms that allow obtaining a set of 68 face landmarks. Such landmarks are then used to train and test different classifiers. After comparing the results, the multilayer perceptron approach exhibited the best average accuracy (89%).

Keywords: classifiers, detection of interest points, facial expression recognition, multilayer perceptron, supervised learning.