• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería en Telecomunicaciones
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/688
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorPinzon Naranjo, Juan David.-
    dc.date.accessioned2022-05-12T13:47:42Z-
    dc.date.available2021-03-17-
    dc.date.available2022-05-12T13:47:42Z-
    dc.date.issued2021-
    dc.identifier.citationPinzon Naranjo, J. D. (2020). Desarrollo de sistema para la detección de emociones utilizando visión artificial e inteligencia artificial aplicado a entornos educativos [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/688es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/688-
    dc.descriptionInicialmente este proyecto trata de centrarse en el reconocimiento anímico de personas por medio de sus expresiones faciales o características especiales en su rostro. La primera etapa del proyecto fue una de las más importantes debido a que el software es capaz de detectar la cara de cualquier persona a través de una imagen o cámara externa. Esta detección de rostro se llevó a cabo por medio de un algoritmo de reconocimiento de rostros. En la segunda etapa se identifica qué base datos se va a utilizar, en este caso se implementó una que maneja de 400 a 700 imágenes de muestra por cada emoción para el entrenamiento de algoritmos. En la tercera etapa se entrena el algoritmo para poder identificar las partes esenciales del rostro de la persona para así poder determinar el estado de ánimo que esta persona muestra, los cuales se pueden diferenciar entre seis estados iniciales de ánimo básicos. En La última etapa se implementa una interfaz fácil de manejar que contenga toda la información relevante de los procesos que se llevan a cabo en la toma de datos y el muestreo.es_CO
    dc.description.abstractInitially this project tries to focus on the emotional recognition of people through their facial expressions or special features on their face. The first stage of the project was one of the most important because the software is capable of detecting the face of any person through an external image or camera. This face detection was carried out by means of a face recognition algorithm. In the second stage, the database to be used is identified. If possible, one that handles 400 to 700 sample images for each emotion for algorithm training. In the third stage, the algorithm is trained to identify the essential parts of the person's face in order to determine the state of mind that this person shows, which can be differentiated between six basic initial states of mind. In the last stage, an easy-to-use interface is implemented that contains all the relevant information on the processes that are carried out in data collection and sampling.es_CO
    dc.format.extent130es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectDetección,es_CO
    dc.subjectFacial,es_CO
    dc.subjectAnímico,es_CO
    dc.subjectReconocimiento,es_CO
    dc.subjectAlgoritmo,es_CO
    dc.subjectImagen,es_CO
    dc.subjectEmoción.es_CO
    dc.titleDesarrollo de sistema para la detección de emociones utilizando visión artificial e inteligencia artificial aplicado a entornos educativos.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_7a1fes_CO
    dc.date.accepted2020-12-17-
    dc.relation.references6 emociones básicas, latidos de un lenguaje universal - La Mente es Maravillosa. (n.d.). Retrieved October 28, 2020, from https://lamenteesmaravillosa.com/6-emocionesbasicas-latidos-de-un-lenguaje-universal/es_CO
    dc.relation.referencesAnaconda Distribution: La Suite más completa para la Ciencia de datos con Python. (n.d.). Retrieved November 17, 2020, from https://blog.desdelinux.net/ciencia-de-datos-conpython/es_CO
    dc.relation.referencesBartual González, R. (2017). Detección facial y reconocimiento anímico mediante expresiones faciales. 48. http://eds.a.ebscohost.com.ezproxy.umng.edu.co/eds/pdfviewer/pdfviewer?vid=2&sid =8970c06b-b7e2-423a-92d7-b6b7ad56afe9%40sessionmgr4006es_CO
    dc.relation.referencesBásica, E., Red, D. E. U. N. A., Tradicional, C., Neuronal, Y. C., Fundamentos, T., Redes, D. E. L. A. S., Artificiales, N., Red, T., Organizing, S., & Red, M. A. P. Y. (n.d.). REDES NEURONALES ARTIFICIALES- Xabier Bosogain Olabe.pdf. http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenidos/pdf/li bro-del-curso.pdfes_CO
    dc.relation.referencesCañego, N. &. (2017). Personas Mediante Reconocimiento Facial Aplicado a Videovigilancia ”.es_CO
    dc.relation.referencesEkman, P. (2005). Basic Emotions. In Handbook of Cognition and Emotion (pp. 45–60). John Wiley & Sons, Ltd. https://doi.org/10.1002/0470013494.ch3es_CO
    dc.relation.referencesGarcía del Prado, N., González Castro, V., Alegre, E., & Fidalgo Fernández, E. (2020). Comparación de métodos de detección de rostros en imágenes digitales. 976–982. https://doi.org/10.17979/spudc.9788497497749.0976es_CO
    dc.relation.referencesHerrero Vez, T., & Villena Román, J. (tutor). (2010). Sistema automático de detección y etiquetado de caras en imágenes. 178. http://earchivo.uc3m.es/bitstream/handle/10016/11170/PFC Tamara Herrero Vez.pdf?sequence=1es_CO
    dc.relation.referencesImágenes, P. D. E. (n.d.). 3. procesamiento de imágenes. 42–72es_CO
    dc.relation.referencesIzaurieta, F., & Saavedra, C. (1999). Redes Neuronales Artificiales. Charlas de Fisica, 1–15. https://doi.org/10.1016/S0210-5691(05)74198-Xes_CO
    dc.relation.referencesLas 6 emociones básicas según la psicología. (n.d.). Retrieved October 28, 2020, from https://www.psicologia-online.com/las-6-emociones-basicas-segun-la-psicologia4205.htmles_CO
    dc.relation.referencesLAS SEIS EMOCIONES BÁSICAS | . (n.d.). http://germansalinas.blogspot.com/2014/02/lasseis-emociones-basicas.htmles_CO
    dc.relation.referencesMáquinas de Vector Soporte (Support Vector Machines, SVMs). (n.d.). Retrieved November 18, 2020, from https://www.cienciadedatos.net/documentos/34_maquinas_de_vector_soporte_support _vector_machineses_CO
    dc.relation.referencesModelo HSV - EcuRed. (n.d.). https://www.ecured.cu/Modelo_HSVes_CO
    dc.relation.referencesPerfil, E., & Rocha, P. (n.d.). El Perfil del Estudiante en la Educación 4.0.es_CO
    dc.relation.referencesPresente y futuro del reconocimiento facial. (n.d.). Retrieved October 16, 2020, from https://www.beedigital.es/tendencias-digitales/historia-y-evolucion-delreconocimiento-facial/es_CO
    dc.relation.referencesProcesamiento digital de imágenes. (1996). Perfiles Educativos, 72.es_CO
    dc.relation.referencesRuse, M. (2010). Charles Darwin. In G. Oppy (Ed.), The History of Western Philosophy of Religion (pp. 161–174). Acumen Publishing Limited. https://doi.org/10.1017/UPO9781844654666.013es_CO
    dc.relation.referencesTfg, T. D. E. L., Autor, T., Salam, E., & Data, S. J. (2019). Deep learning para el reconocimiento facial de emociones básicas.es_CO
    dc.relation.referencesTrujillano, J., March, J., & Sorribas, A. (2004). Aproximación metodológica al uso de redes neuronales artificiales para la predicción de resultados en medicina. Medicina Clinica, 122(SUPPL. 1), 59–67. https://doi.org/10.1157/13057536es_CO
    dc.relation.referencesUNIDAD 4 REDES NEURONALES - INTELIGENCIA ARTIFICIAL. (n.d.). Retrieved October 30, 2020, from https://sites.google.com/site/mayinteligenciartificial/unidad-4- redes-neuronaleses_CO
    dc.relation.referencesUniversidad de Sevilla. (2016). Tema 4 : Segmentación de imágenes Segmentación de imágenes. http://alojamientos.us.es/gtocoma/pid/tema4.pdfes_CO
    dc.relation.referencesZapatero Olmedillo, D. (2016). Herramienta de reconocimiento facial de emociones en Android. 2–5. http://oa.upm.es/44722/es_CO
    dc.relation.referencesBüyükçolpan, & Tol, B. panjang jalan. (2019). No 主観的健康感を中心とし ث ,ثبثبثب .健康関連指標に関する共分散構造分析Title た在宅高齢者における ققثق)ثقثقثق ثق ,(1–121. https://www.bps.go.id/dynamictable/2018/05/18/1337/persentasepanjang-jalan-tol-yang-beroperasi-menurut-operatornya-2014.htmles_CO
    dc.relation.referencesCañego, N. &. (2017). Personas Mediante Reconocimiento Facial Aplicado a Videovigilancia ”.es_CO
    dc.relation.referencesChandra, M. L. R., Kumar, B. V., & Sureshbabu, B. (2018). IoT enabled home with smart security. 2017 International Conference on Energy, Communication, Data Analytics and Soft Computing, ICECDS 2017, 1193–1197. https://doi.org/10.1109/ICECDS.2017.8389630es_CO
    dc.relation.referencesDetección de Rostros basado en Filtros Haar + Adaboost. (n.d.). Retrieved December 8, 2020, from https://carlosjuliopardoblog.wordpress.com/2017/05/12/filtros-haardeteccion-de-rostros/es_CO
    dc.relation.referencesEkman, P. (2005). Basic Emotions. In Handbook of Cognition and Emotion (pp. 45–60). John Wiley & Sons, Ltd. https://doi.org/10.1002/0470013494.ch3es_CO
    dc.relation.referencesGámez Jiménez, C. V. (2009). Diseño y Desarrollo de un Sistema de Reconocimiento de Caras. 160.es_CO
    dc.relation.referencesGarcía del Prado, N., González Castro, V., Alegre, E., & Fidalgo Fernández, E. (2020). Comparación de métodos de detección de rostros en imágenes digitales. 976–982. https://doi.org/10.17979/spudc.9788497497749.0976es_CO
    dc.relation.referencesGordillo, F., Ángel Pérez, M., Mestas, L., Salvador, J., Arana, J. M., & López, R. M. (2015). Diferencias en el Reconocimiento de las Emociones en Niños de 6 a 11 Años11Este trabajo ha sido realizado gracias a una ayuda a la investigación de la Universidad Camilo José Cela (I+D+i Research Grants). Acta de Investigación Psicológica, 5(1), 1846– 1859. https://doi.org/10.1016/s2007-4719(15)30005-3es_CO
    dc.relation.referencesHirvin Gonzalez, S. V. (2019). Reconocimiento Facial utilizando Viola-Jones y Patrones Binarios. 23, 1. file:///C:/Users/SBryan/Downloads/126-Artículo-287-2-10- 20190912.pdfes_CO
    dc.relation.referencesMatas, A. R., & Rojas, A. C. (2010). Trabajando con imágenes digitales en clase de Matemáticas. Gaceta de La Real Sociedad Matemática Española, 13(2), 317–336.es_CO
    dc.relation.referencesMihai, A.-E. (2014). Sistema De Reconocimiento Facial. Zaguan.Unizar.Es, 75. http://zaguan.unizar.es/TAZ/EUCS/2014/14180/TAZ-TFG-2014-408.pdfes_CO
    dc.relation.referencesMolinero Díez, G. (2010). Segmentación De Imágenes En Color Basada En El Crecimiento De Regiones. Etsi, Ingeniería de telecomunicación, 5–10.es_CO
    dc.relation.referencesProfundidad de bits. (n.d.). Retrieved December 9, 2020, from http://cefire.edu.gva.es/pluginfile.php/199804/mod_resource/content/0/contenidos/006 /profundidad_de_bits.htmles_CO
    dc.relation.referencesTema, P. I. D. (2017). Tema 3: Filtros. 1–37. http://alojamientos.us.es/gtocoma/pid/tema3- 1.pdfes_CO
    dc.relation.referencesTutor, S. Z., & Fern, E. (2015). Autor: María Sierra Zapata Tutor: Eduardo Fernández Camacho.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Ingeniería en Telecomunicaciones

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Pinzon_2020_TG.pdfPinzon_2020_TG2,15 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.