Resumen:
El presente trabajo desarrolla y evalúa un sistema de reconocimiento automático de expresiones faciales orientado a mejorar la interacción humano-robot en entornos sociales. Para ello, se construyó una base de datos de aproximadamente 900 imágenes correspondientes a seis estados emocionales: felicidad, tristeza, enojo, asombro, disgusto y neutralidad. Se implementaron y compararon cinco modelos de clasificación: una red neuronal convolucional base, MobileNetV2 mediante transferencia de aprendizaje, un perceptrón multicapa, una máquina de vectores de soporte y un modelo Random Forest. Los resultados mostraron que Random Forest obtuvo la mayor precisión, con 99.44 %, seguido de la CNN base, con 98.89 %, y la máquina de vectores de soporte, con 98.33 %. Finalmente, se desarrolló una aplicación de demostración en tiempo real mediante cámara web, validando el sistema como un prototipo funcional para aplicaciones de robótica social y computación afectiva.
Descripción:
Trabajo de tesis enfocado en el diseño, implementación y evaluación de un sistema capaz de reconocer automáticamente seis expresiones faciales mediante técnicas de inteligencia artificial, aprendizaje automático y aprendizaje profundo. El proyecto compara cinco modelos de clasificación emocional basados en imágenes y características geométricas del rostro, utilizando herramientas como redes neuronales convolucionales, MobileNetV2 y MediaPipe Face Mesh. También incorpora una base de datos original de expresiones faciales y una aplicación en tiempo real para demostrar su posible integración en sistemas de interacción humano-robot y robótica social.
