RECONOCIMIENTO GESTUAL DE

EMOCIONES UTILIZANDO UNA RED

NEURONAL ARTIFICIAL

PROYECTO FINAL

FACULTAD DE CIENCIAS
APLICADAS
VISIÓN POR COMPUTADOR
Mario Cabrera
Sara Haro
Víctor Maldonado
Danilo Soria
OBJETIVOS DEL
PROYECTO

OBJETIVO
PRINCIPAL
 OBJETIVOS DEL
PROYECTO

OBJETIVOS
ESPECÍFICOS
 ANÁLISIS

DESARROLLO
DE PROYECTO DISEÑO

IMPLEMENTACIÓN

PRUEBAS
 ANÁLISIS
DESCRIPCIÓN DE LA
SITUACION ACTUAL

INFORMACIÓN DEL DOMINIO DEL

PROBLEMA

CATÁLOGO DE
REQUISISTOS DEL
SISTEMA
Introducción al dominio del Problema
Descripción del hardware actual
Descripción del software actual
Restricciones Técnicas del Sistema
LOGOTIPO
DISEÑO Y ELABORACIÓN DE
PROYECTOS

INTERFAZ GRÁFICA LÓGICA DEL SISTEMA

RED NEURONAL
(ARQUITECTURA)
Diseño de Vista e Interfaz de Usuario
Arquitectura de una Red Neuronal
Modelo del Software y del
Entrenamiento

• Inicio del
Inicio entrenamiento

• Conjuntos organizado de datos que

DataSet usaremos para entrenar la red

• Red neuronal convolucional

RNC utilizada para entrenar la red

• Separa los datos

Clases según sus
características
 Diagnóstico del entrenamiento

ACCURACY

LOSS
 Plan de Actividades
N° TAREA DURACIÓN DETALLES PROPÓSITO

1 Elección de la 1 semana Analizar Redes existentes, sus Estudiar opciones y posibles

aplicación aplicaciones y la forma en que
podemos usarlas e implementarlas
2 Implementación de 1 semana Creación del entorno e instalación
la Red Neuronal de librerías para la correcta
implementación del software
3 Corrección de 1 semana Se hacen variaciones en algunos
errores y fiabilidad parámetros como epochs o el
batch_size, para optimizar los
valores de loss y accuracy
4 Pruebas finales e 1 semana Uso del mejor entrenamiento según
interfaz gráfica los resultados obtenidos y
comparados anteriormente
limitaciones
Iniciar con las primeras pruebas
para verificar el funcionamiento
del software
Verificar la fiabilidad y estabilidad
del software para evitar posibles
errores
Uso del software correctamente
implementado
 IMPLEMENTACIÓN
Resumen de resultados

Proceso de integración

Consideración de
rendimiento
 PROCESO DE INTEGRACIÓN
Software Versión

Windows 10

Python 3.7.4

IDE: Pycharm 2020.1

Hardware Mínimo

Procesador Intel(R) Pentium(R)

Tarjeta Intel UHD Graphics 620

Gráfica

Memoria RAM 4GB

Cámara web Integrated webcam

 RESUMEN DE RESULTADOS
Pruebas de Software

Resultados Favorables -Fluidez durante la ejecución del programa.

Resultados No Favorables: -Sensible ante cambios de Luz.

-Gran consumo de recursos.

Resultados iniciales de la verificación funcional

Tiempo de inicio 40,25 segundos
Consumo de memoria 223 MB
Fluidez de Movimiento (porcentaje) 83,75%

Resultados después de 15 minutos

Consumo de memoria 237 MB
Fluidez de Movimiento (porcentaje) 83,75%
 Análisis de resultados

 Se han cumplido con los objetivos inicialmente planteados.

 Se han adquirido conocimientos básicos para el entrenamiento y uso de una red
neuronal.

 Como resultado final el accuracy tiene un valor cercano al 0.8, por lo

que la precisión de la red al predecir es de casi el 80%
 En cuanto al loss, este se redujo hasta un valor de 0.6

 El programa final tiene una interfaz amigable con el usuario.

 El usuario puede reconocer emociones de un video guardado en la maquina.
 También puede reconocer emociones usando la cámara de su computador.
 Consideración de Rendimiento

Requisitos mínimos:
• Procesador Intel(R) Celeron(R) CPU J1800 @ 2.41 GHz 2.41 GHz
• Nvidia GeForce 210
• Cámara web
• 4GB de memoria RAM
• Disponibilidad de 5GB en el disco duro
 Consideración de Rendimiento

Requisitos recomendados:
• Procesador Intel(R) Core(TM) i7-8565 CPU @ 1.8GHz 1.99 GHz
• Cámara web
• Tarjeta de video Intel(R) UHD Graphics 620
• 12GB de memoria RAM
• Disponibilidad de 5GB en el disco duro
 PLAN DE PRUEBAS
Prueba Descripción Resultado

Variantes en la iluminación es necesario identificar como afecta la La intensidad luminosa no es un factor

intensidad luminosa del ambiente en el determinante en el funcionamiento del

rendimiento de la red. programa

Distancia entre el usuario y la cámara Definir la distancia óptima que debe Solo es necesario que la cámara pueda

existir entre la cámara y el usuario. captar el rostro del usuario por

completo.

Pruebas con varias caras Con el fin de corroborar el buen Se realizaron varias pruebas con

funcionamiento de la red para la diferentes caras, teniendo el éxito

detección de emociones, se realizaron esperado en los resultados obtenidos

pruebas utilizando varias caras. para la detección de emociones

MANUAL DE USUARIO
MAPA DEL SISTEMA
PANTALLA PRINCIPAL
ELEGIR VIDEO
VIDEO EN DIRECTO