Sistema de reconocimiento de gestos faciales captados a través de cámaras para analizar el nivel de satisfacción de clientes en restaurantes

  • Edwin Lara-Lévano Universidad de Lima (Perú)
Palabras clave: Satisfacción del cliente, reconocimiento de expresiones faciales, histograma de gradientes orientados, máquina de soporte vectorial, puntos de referencia faciales

Resumen

La presente investigación tiene como principal objetivo el desarrollo de un sistema que reconozca la satisfacción o insatisfacción de un cliente en un restaurante con base en los gestos que este mismo realiza al momento de recibir el servicio brindado por el establecimiento. La implementación del sistema cuenta con una serie de etapas comunes al desarrollo de un proyecto de computación visual, las cuales inician con un preprocesamiento de los datos a ser empleados para el entrenamiento del clasificador que se utilizará, en este caso, una máquina de soporte vectorial. Dentro de este preprocesamiento se hace uso del histograma de gradientes, orientados a la detección del rostro dentro de la imagen, para que esta sea recortada solo al contorno de la cara. De esta manera, se continúa con la extracción de los hitos faciales de la imagen, luego se determina la probabilidad de como cada uno de los sentimientos básicos se encuentran presentes en la expresión de la persona y, en función de estas probabilidades, se determina si la persona está satisfecha o no. Se descubrió que el sistema detectaba correctamente la mayoría de las imágenes ingresadas para las pruebas, sin embargo, se dieron algunos casos donde, a pesar de que el cliente se mostraba satisfecho, este producía ciertos gestos de insatisfacción ocasionados por factores externos.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Edwin Lara-Lévano, Universidad de Lima (Perú)

Egresado de la Carrera de Ingeniería de Sistemas de la Universidad de Lima. Ha trabajado en Cementos Pacasmayo en el área de Inteligencia Comercial y actualmente labora en el área Digital de RIMAC Seguros. Sus áreas de interés son la inteligencia artificial y el análisis predictivo.

Citas

Acevedo, D., Negri, P., Buemi, M. E., Fernandez, F. G., y Mejail, M. (2017). A simple geome¬tric-based descriptor for facial expression recognition. 12th IEEE International Conference on Automatic Face & Gesture Recognition, pp. 802-808.

Campbell, C., y Ying, Y. (2011). Learning with support vector machines. Synthesis Lectures on Artificial Intelligence and Machine Learning, 5(1), pp. 1-95.

Carmona Suárez, E. J. (2014). Tutorial sobre máquinas de vectores soporte (SVM). Recuperado de http://www.ia.uned.es/~ejcarmona/publicaciones/[2013-Carmona]%20SVM.pdf

Dalal N., y Triggs, B. (2005). Histograms of oriented gradients for human detection. IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05), 1, pp. 886-893. doi:10.1109/CVPR.2005.177

Davis, F. (1994). El lenguaje de los gestos. Buenos Aires: Emecé Editores.

Ekman P., y Oster, H. (1979). Expresiones faciales de la emoción. Annual Review of Psychology, 30, pp. 527-554.

Gao, G., Jia, K., y Jiang, B. (2015). An automatic geometric features extracting approach for facial expression recognition based on corner detection. International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP), pp. 302-305. Adelaide, SA, Australia: IEEE. doi:10.1109/IIH-MSP.2015.33

Khan, S., Rahmani, H., Ali Shah, S. A., y Bennamoun, M. (2018). A guide to convolutional neural networks for computer vision. Morgan & Claypool Publishers.

Lago, P., y Jiménez Guarín, C. (2013). An affective inference model based on facial expression analysis. IEEE Latin America Transactions, 12(3), pp. 423-429.

Ouanan, H., Ouanan, M., y Aksasse, B. (2016). Facial landmark localization: Past, present and future. 4th IEEE International Colloquium on Information Science and Technology (CiSt), pp. 487-493.

Ryu, B., Rivera, A. R., Kim, J., y Chae, O. (2017). Local directional ternary pattern for facial expression recognition. IEEE Transactions on Image Processing, 26(12), pp. 6006-6018.

Slim, M., Kachouri, R., y Atitallah, A. (2018). Customer satisfaction measuring based on the most significant facial emotion. 15th IEEE International Multi-Conference on Systems, Signals & Devices (SSD), pp. 502-507.

Whitehill, J., Serpell, Z., Lin, Y.-C., Foster, A., y Movellan, J. R. (2014). The faces of engagement: Automatic recognition of student engagementfrom facial expressions. IEEE Transactions on Affective Computing, 5(1), pp. 86-98.

Xia, L. (2014). Facial expression recognition based on SVM. 7th IEEE International Conference on Intelligent Computation Technology and Automation, pp. 256-259.

Publicado
2019-12-09
Cómo citar
Lara-Lévano, E. (2019). Sistema de reconocimiento de gestos faciales captados a través de cámaras para analizar el nivel de satisfacción de clientes en restaurantes. Interfases, 12(012), 61-85. https://doi.org/10.26439/interfases2019.n012.4638
Sección
Artículos de investigación