Detección facial de emociones orientada a mejorar la calidad de vida y cuidado de personas mayores en ambientes inteligentes
- Autores: Elena Lozano Monasor
- Directores de la Tesis: María Teresa López Bonal (dir. tes.)
, Antonio Fernández Caballero (codir. tes.) - Lectura: En la Universidad de Castilla-La Mancha ( España ) en 2019
- Idioma: español
- Tribunal Calificador de la Tesis: Rafael Martínez Tomás (presid.) , Arturo Simon Garcia Jimenez (secret.) , Ester Martínez Martín (voc.)
- Texto completo no disponible (Saber más ...)
- Resumen
Actualmente nos encontramos en un periodo en el que el porcentaje de población de la tercera edad está aumentado en los países desarrollados, debido a la baja natalidad y al aumento de la esperanza de vida. Cada vez hay más personas mayores que quieren vivir en sus hogares, pero necesitan algún tipo de asistencia de la nadie puede hacerse cargo. Por ello, en los últimos años ha surgido la asistencia de la vida cotidiana mediante el entorno, que permite utilizar conceptos de la Inteligencia Artificial y más concretamente de la Inteligencia Ambiental, para ayudar a estas personas a alargar todo lo posible el tiempo que permanecen en su hogar ayudándoles en sus tareas diarias.
En este contexto surge la idea principal de este trabajo: proponer una arquitectura que haga uso de los conceptos de Inteligencia Ambiental orientada a detectar las emociones de una persona mayor y actuar si la emoción detectada es negativa, con el fin de que el usuario se mantenga en un estado de ánimo agradable en su hogar. Para ello, se ha realizado una revisión del estado del arte actual en cuanto a la Inteligencia Ambiental y sus aplicaciones en campos como salud, transportes y ocio, y nos hemos centrado especialmente en los usos que tiene actualmente en la asistencia a la vida diaria de las personas mayores.
La arquitectura propuesta se compondrá de diferentes módulos: “Detección de Emoción”, “Regulación de Emoción” y “Control de Respuesta Emocional”. El módulo de “Detección de Emoción” funciona con los datos obtenidos del paciente, mientras que “Regulación de Emoción” ofrecerá diferentes piezas de música y configuraciones de luz/color. El módulo de “Control de Respuesta Emocional” funciona como bucle de control para confirmar el efecto de la regulación emocional sobre la emoción detectada.
El apartado de “Regulación de Emoción” obtendrá del usuario datos fisiológicos, información sobre si su comportamiento es activo y su expresión facial para la detección de emociones. En este trabajo nos centraremos en el sistema encargado de detectar la emoción a partir de la expresión facial del sujeto, para lo cual se desarrollará una aplicación que, mediante visión artificial, sea capaz de distinguir la emoción del usuario a partir de su expresión facial. Se ha realizado un estudio del estado del arte sobre la detección de emociones utilizando visión artificial, los principales modelos para la extracción de características de las expresiones faciales y las bases de datos más importantes, que más adelante utilizaremos. Tras este análisis se ha optado por distinguir entre las llamadas emociones básicas (Alegría, Tristeza, Enfado, Miedo, Asco y Sorpresa) y un estado Neutral. Se utilizará un modelo ASM para la extracción de características, las bases de datos CK+, MMI y JAFFE para el entrenamiento del sistema. Para la clasificación se utilizarán máquinas de vectores de soporte de tipo nu-SVM, por ser el método más recomendado para trabajar con varias clases.
Habiendo decidido cómo será el sistema de detección de emociones definiremos la estructura y las herramientas utilizadas para implementarlo. Para la visión artificial utilizaremos la librería OpenCV y para la extracción de características ASMLibrary. La clasificación de emociones se realizará mediante la librería LibSVM. La aplicación final nos permitirá detectar emociones de imágenes estáticas, vídeos y webcam.
Se han realizado pruebas al sistema para valorar la precisión de diferentes tipos de clasificadores y utilizar el que mejor resultados ofrezca. Para estas pruebas se han utilizado tanto para imágenes estáticas como secuencias de vídeo procedentes de las bases de datos mencionadas anteriormente que no hayan sido empleadas para el entrenamiento. También se han realizado pruebas con la webcam para las que se han utilizado personas mayores. Una vez seleccionado el tipo de clasificador que se va a utilizar, se ha realizado un modelo adicional utilizando a un único usuario para el entrenamiento para comprobar si se consiguen mejores resultados para ese usuario que con el modelo que ha sido entrenado con las bases de datos.
Por todo lo anterior, y para concluir este resumen, en este documento se encontrará información relacionada con estudios previos y aplicaciones orientadas a la asistencia de personas mayores mediante el entorno y a la detección de emociones, una propuesta de arquitectura para la detección y regulación de emociones de una persona mayor viviendo en su hogar, las herramientas utilizadas durante el desarrollo de la aplicación de detección facial de emociones y cómo se ha realizado su implementación desde la idea inicial hasta las pruebas de precisión realizadas al sistema.
