Sistema de reconocimiento de gestos faciales captados a través de cámaras para analizar el nivel de satisfacción de clientes en restaurantes
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
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.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Última actualización: 03/05/21