1. Introducción
“Durante muchos años, la investigación académica en relación con el comportamiento humano ha dejado de lado las emociones, centrándose en el pensamiento racional. Sin embargo, frente a la contraposición tradicional entre emoción e intelecto, las teorías más recientes indican la influencia de las emociones en los mecanismos del pensamiento racional, ya que influyen en la percepción y en tareas diarias como el aprendizaje, la comunicación o la toma de decisiones”. (Baldasarri, 2016)
“La emoción que presenta un individuo determina la acción que es posible que realice. Esto es claro para las emociones más fuertes y las conductas que las caracterizan. Un sujeto enojado no actúa racionalmente, la emoción lo gobierna y lo conduce por un camino que quizás no tomaría si esta emoción no lo dominara. Un individuo triste tampoco es una persona predispuesta a aprender cosas nuevas o a establecer contactos con otros, su emoción lo mantiene en un pozo que le impide generar conexiones con los demás. En resumen, si la emocionalidad define el dominio de acciones posibles de realizar, entonces se puede concluir que la emocionalidad constituye un aspecto de la mayor relevancia para facilitar los aprendizajes en educación. En una primera aproximación, se podría partir de la hipótesis de que las emociones positivas o gratas permitirán la realización de acciones favorables para el aprendizaje. En cambio, emociones negativas o no gratas no lo permitirán”.
“En los últimos años los dispositivos para la detección de emociones han evolucionado notablemente, permitiendo que los ordenadores sean capaces de reconocer el estado emocional de un usuario. A través de cámaras es posible capturar propiedades observables de las emociones, como el color de la piel, los movimientos corporales, gestos, o incluso la detección de expresiones faciales en base al análisis de movimientos musculares o de puntos característicos de la cara”.
En la Universidad de las Ciencias Informáticas (UCI), existe un conjunto de centros de desarrollo de software, entre ellos se encuentra el Centro de Tecnologías para la Formación (FORTES), que cuenta con un equipo de desarrolladores para la creación de aplicaciones que apoyen el aprendizaje de sus usuarios finales. Este centro presenta un software para el aula tecnológica (XAUCE ATcnea), disponible para la formación de estudiantes que sean capaces de interactuar con herramientas que han revolucionado el proceso de enseñanza- aprendizaje convencional, además de proporcionarle al profesor que está dirigiendo el proceso herramientas útiles que facilitan y enriquecen su trabajo. Teniendo en cuenta la utilidad de llevar a cabo un proceso de enseñanza-aprendizaje informatizado, con vistas a realizar un estudio de los estados emocionales presentes en los estudiantes que viven esta experiencia tecnológica. Resulta de interés la detección y registro de las emociones a través las expresiones faciales de los estudiantes en tiempo real, contribuyendo al estudio de las reacciones humanas ante un proceso educacional informatizado y a la determinación de cambios en la clase con vistas a incidir en el aspecto motivacional su audiencia.
2. Materiales y métodos
Se utilizó para la construcción y desarrollo del trabajo como métodos científicos los métodos teóricos: Analítico – sintético con el objetivo de analizar y utilizar la información y la documentación más relevante para el desarrollo y la realización de este módulo. El método histórico – lógico para constatar teóricamente y realizar un estudio de todo lo referente a la identificación de expresiones faciales, la evolución y el nivel de desarrollo que tienen los sistemas. Finalmente, el modelado para representar por medio de diagramas los conceptos asociados a los procesos de identificación de expresiones faciales, obteniendo como resultado un mejor entendimiento de la posible solución a implementar.
Como métodos empíricos se empleó la entrevista para obtener información interactuando con personas que tienen un mayor conocimiento sobre identificación de expresiones faciales y la encuesta para obtener información sobre el nivel de satisfacción del usuario con el producto final.
3. Resultados y discusión
Cuando se habla del término Detección de Objetos se hace referencia al uso de técnicas de Visión por Computador, dichas técnicas están basadas en la detección de objetos en imágenes y video.
El detector de objetos visual, es el sistema que se encarga de determinar si aparecen o no objetos determinados en una imagen. En caso afirmativo, el detector debe proporcionar información sobre ellos. Este tipo de sistemas se componen de dos módulos o fases: en primer lugar, la extracción de ciertas características de la imagen; y, en segundo lugar, la clasificación de las imágenes según algunas de estas características.
En la figura 1 se muestran las etapas esenciales que componen la Secuencia de procesamiento de imágenes que servirá de base a la propuesta realizada en el presente trabajo.
Figura 1. Secuencia de procesamiento de imágenes.
Las imágenes que se procesan pueden venir del espectro visible o de otras partes del espectro como las Infrarrojas o las de Profundidad y aun así se pueden usar las mismas técnicas.
El sistema detector de objetos siempre tendrá una entrada y una salida, donde la entrada va a ser la imagen y un indicador del objeto que se desea detectar y la salida va a ser una ventana o un conjunto de ventanas con los objetos que se detectaron.
La selección del descriptor que se va a usar para representar el objeto que se busca en cualquier sistema, es una decisión clave para el buen funcionamiento del Sistema Detector, sabiendo que el descriptor está ligado al módulo de extracción de características. Los tipos de descriptores se pueden clasificar:
• Basado en características del píxel: Es un descriptor muy sencillo y muy sensible a pequeños cambios en la imagen, además no toma en cuenta la forma del objeto.
• Basado en toda la imagen: Usa la misma imagen como descriptor y es sensible a pequeños cambios en la imagen.
• Basado en características locales: Un descriptor local es un vector de características que es calculado sobre una pequeña región de interés de la imagen.
3.1 Descriptores de objetos en imágenes
Para abordar cualquier tarea de detección, se necesita una descripción adecuada del objeto a detectar. Para conseguir una descripción fiable se utilizan características que definan por completo al objeto. Estas características se agrupan en un vector típicamente conocido como descriptor de características. Hay que tener en cuenta que diferentes características serán adecuadas para diferentes aplicaciones. La clave está en hacer una elección adecuada de las características: Serán mejores aquellas que acentúen las diferencias entre clases y que eliminen las diferencias dentro de una misma clase (2).
Existe una variedad de descriptores de objetos en imágenes, entre los más utilizados se encuentran: El Descriptor de Patrones Locales Binarios (LBP), el Descriptor de Histograma Orientado a Gradientes (HOG) y el Descriptor Haar, el cual es el seleccionado para el desarrollo del módulo propuesto.
3.1.1 Descriptor Haar
Un filtro Haar se puede definir como la diferencia de intensidad de zonas adyacentes de la imagen con diferentes configuraciones que permiten detectar cambios de intensidad en diferentes orientaciones. Los filtros se aplican a múltiples escalas y posiciones en la imagen, de manera que se obtienen un número muy elevado de características (López, Valveny. y Vanrell, 2019)
Las características de Haar se obtienen como resultado de aplicar por toda la imagen un conjunto de filtros de Haar. (López, Valveny. y Vanrell, 2019)
Los Filtros Haar son (Figura 2):
• Una combinación de rectángulos del mismo tamaño adyacentes vertical u horizontalmente.
• Los rectángulos en negro representan zonas con una contribución positiva al filtro.
• Los rectángulos en blanco representan zonas con una contribución negativa al filtro.
• Por tanto, el resultado del filtro va a ser la diferencia en la suma de los valores de los píxeles entre zonas en negro y zonas en blanco.
Figura 2. Filtros de Haar básicos. Fuente: (López, Valveny. y Vanrell, 2019)
Ejemplo de ello se ilustra en la figura 3 donde se muestran los diferentes resultados después de aplicar los filtros básicos de Haar:
Figura 3. Resultados de aplicar los filtros de Haar básicos. Fuente: (López, Valveny. y Vanrell, 2019)
Filtros de Haar extendidos:
• Algunos son rotaciones de los filtros básicos que permiten detectar características direccionales.
• Algunos son nuevas configuraciones de los filtros para detectar otro tipo de características.
Figura 4. Filtros de Haar extendidos. Fuente: (López, Valveny. y Vanrell, 2019)
Aplicación de los filtros Haar en una imagen
• Cada filtro se aplica a todas las posibles escalas en horizontal y vertical.
• Cada escala se aplica en todas las posibles posiciones de la imagen.
• El resultado de aplicar de cada filtro en cada escala y posición es una característica de Haar.
3.2 Extracción de características del rostro
Un paso fundamental, previo a la aplicación de cualquier técnica de Machine Learning, es la selección de las características, o atributos, que se van a utilizar para el entrenamiento y posterior aplicación del sistema de inteligencia. Para el contexto de este trabajo, se encontraron diversas alternativas para la extracción de dichas características. En primer lugar, se puede distinguir entre dos tipos básicos de características: globales y locales (Garrido, 2018).
Las características globales se obtienen teniendo en cuenta todos los píxeles de una imagen. Por ejemplo, Wu & Zhang (2001) aplican PCA como método de extracción de características. Aunque los algoritmos obtenidos con este método, tienen un rendimiento bastante bueno, existe un problema inherente, y es que las características globales son sensibles a las variaciones en la imagen, como la orientación, los cambios en la iluminación o la oclusión parcial (Garrido, 2018).
Las características locales, por el contrario, se ven menos afectadas por estos cambios. Además, la información geométrica y las restricciones en la configuración de las diferentes características locales pueden ser utilizadas de forma tanto implícita como explícita, es decir, no solo importa su valor, si no, también su posición en la imagen (Garrido, 2018).
Las características “Haar wavelet”, se basan en la aplicación de funciones matemáticas para la descomposición de una imagen. Este tipo de características capturan la forma y la estructura de objetos, y dependiendo de la escala a la que se apliquen obtendrán un objeto más o menos nítido, concluyendo que lo importante no era el valor de estos coeficientes, sino su presencia o ausencia (Garrido, 2018).
Otro enfoque que se ha investigado son los filtros Gabor, que transforman la imagen en función de una determinada frecuencia y Orientación que por lo general combinados junto con las características Haar-wavelet mejoran el rendimiento (Garrido, 2018).
En este trabajo, se utilizan el conjunto de características Facial Network Landmark, propuestos por (Garrido, 2018). Ya que representan el espacio en su totalidad, lo que resulta complicado cuando se usa un número infinito de muestras. Además, los modelos basados en este tipo de características operan mucho más rápido que los que utilizan las características explicadas anteriormente. Estas características fueron aplicadas para la detección de objetos, sobre todo para el reconocimiento facial, obteniendo muy buenos resultados.
3.3 Clasificación de expresiones faciales
Hay una serie de dimensiones que se deben tener en cuenta para determinar cuál puede ser un algoritmo de clasificación razonable (Pelillo, 2013)
• Número de ejemplos en el conjunto de entrenamiento.
• Dimensionalidad del espacio de atributos o características.
• ¿Se supone que las clases son linealmente separables?
• ¿Los atributos son independientes?
• ¿Cabe esperar que los atributos dependan linealmente de la variable de destino?
• ¿Se sospecha que el sobreajuste (overfitting) pueda ser un problema?
• ¿Cuáles son los requerimientos de sistema en términos de velocidad / rendimiento / uso de memoria?
Los elementos listados poseen un alto grado de complejidad para responder. Sin embargo, pueden ser abordados mediante el principio “la navaja de Occam”: utilizar el algoritmo menos complicado que puede hacer frente a las necesidades y sólo ir por algo más complicado si es estrictamente necesario (Pelillo, 2013).
3.3.1 Algoritmo K-NN: K vecinos más cercanos (K Nearest Neighbours)
El algoritmo K-NN clasifica cada dato nuevo en el grupo que corresponda, y para ello toma en cuenta la clase más frecuente entre sus k vecinos más cercanos. Es decir, calcula la distancia del elemento nuevo a cada uno de los existentes, y ordena dichas
distancias de menor a mayor para seleccionar los primeros k elementos en dicho ordenamiento. La clase de mayor frecuencia en dicho conjunto es asignada al nuevo elemento. En caso de empates (mayor frecuencia compartida entre clases) se asigna la clase de mayor probabilidad apriori, y si persiste el empate se selecciona aleatoriamente una de dichas clases (Moreno, 2004)
K-NN es un algoritmo de aprendizaje supervisado, es decir, que a partir de un juego de datos inicial su objetivo será el de clasificar correctamente todas las instancias nuevas. El juego de datos típico de este tipo de algoritmos está formado por varios atributos descriptivos y un solo atributo objetivo (también llamado clase) (Moreno, 2004)
En contraste con otros algoritmos de aprendizaje supervisado, K-NN no genera un modelo fruto del aprendizaje con datos de entrenamiento, sino que el aprendizaje sucede en el mismo momento en el que se prueban los datos de test. A este tipo de algoritmos se les llama Lazy Learning Methods (Pelillo, 2013).
3.4 Bases de datos para estudios de emociones faciales
Con el objetivo de poner en práctica los algoritmos para el reconocimiento y clasificación de las emociones se han desarrollado varias bases de datos de imágenes (Alegre, 2013). Estas bases de datos suelen tener características específicas. En algunos casos se pueden encontrar algunas constituidas por personas de ambos sexos o de uno solo; con cambios de iluminación, poses o distintos tipos de expresiones a representar.
En la siguiente tabla se muestran algunos ejemplos de estas bases de datos y se dan a conocer características de las mismas.
