Clasificación de expresiones faciales en streaming con tecnología Big Data

García Zozaya, Paula (2019). Clasificación de expresiones faciales en streaming con tecnología Big Data. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. y Sistemas de Telecomunicación (UPM), Madrid.

Description

Title: Clasificación de expresiones faciales en streaming con tecnología Big Data
Author/s:
  • García Zozaya, Paula
Contributor/s:
  • Estaire Estaire, Francisco Javier
Item Type: Final Project
Degree: Grado en Ingeniería Telemática
Date: July 2019
Subjects:
Freetext Keywords: Reconocimiento facial; Big data
Faculty: E.T.S.I. y Sistemas de Telecomunicación (UPM)
Department: Ingeniería Telemática y Electrónica
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview
[img] Archive (ZIP) - Users in campus UPM only
Download (240kB)

Abstract

El aprendizaje automático está creciendo de manera exponencial debido al amplio abanico de posibilidades que proporciona. Además, cada vez es mayor la integración que está teniendo esta tecnología por parte de la sociedad ya que ha dejado de estar restringida al ámbito científico para empezar a formar parte de situaciones cotidianas. La expresión facial, junto con la mirada, son los estímulos más significativos del cuerpo humano ya que transmiten tanto las emociones como los estados de ánimo. A través de la observación de las expresiones faciales se consigue una mejor comprensión de la comunicación con los demás. En este proyecto se desarrolla una plataforma Big Data capaz de clasificar en tiempo real tres expresiones faciales: triste, contento y enfadado. Para ello se ha utilizado la librería de Big Data MLlib y el entorno de desarrollo Jupyter Notebook además de una arquitectura tolerante a fallos y completamente escalable. Para llevar a cabo el entrenamiento se han empleado un conjunto de imágenes, todas ellas con rostros de personas que han sido extraídas de una investigación realizada por Pierre-Luc Carrier y Aaron Courville. Finalmente, se han expuesto los resultados obtenidos en gráficas en las cuales se pueden apreciar los resultados que se han ido obteniendo en función del algoritmo empleado. Abstract: Machine learning is growing exponentially due to a wide range of possibilities tha proportion. In addition, it is increasingly greater the integration that this technology is having on the part of society and that has remained restricted in the scientific field to begin to be part of everyday situations. The facial expression, together with the look, are the most significant stimuli of the human body and transmit both emotions and moods. Through the observation of facial expressions, you get a better understanding of communication with others. In this project, a scalable machine learning algorithm capable of distinguishing between facial expressions: sad, happy and angry was developed using the MLlib Big Data library and Jupyter Notebook development environment. To carry out the training they have used a set of images, all of them with faces of people that have been extracted from an investigation carried out by Pierre-Luc Carrier and Aaron Courville. The prediction of emotions is donned in real time. Use of Big Data technologies, thus having a fault-tolerant and fully scalable architecture. Finally, the results have been shown in the graphs in which you can see the results that have been obtained in the function of the algorithm used.

More information

Item ID: 62869
DC Identifier: http://oa.upm.es/62869/
OAI Identifier: oai:oa.upm.es:62869
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 02 Jul 2020 08:11
Last Modified: 02 Jul 2020 08:11
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM