Investigador Ikerbasque: Fadi Dornaika
El reconocimiento de expresiones faciales sutiles en fotografías y videos.
Usted ostenta la patente de Detección panorámica vigilante para telepresencia visual. ¿Qué significa?
Hemos introducido un nuevo sensor panorámico vigilante basado conceptualmente en el sistema visual de enfoque humano. El sensor propuesto se basa en un videosensor panorámico y una cámara de alta resolución, montados en una plataforma inclinada. Dicho sensor puede ser la solución para la dualidad Campo visual / Resolución. Hemos propuesto un nuevo campo de trabajo para la combinación automática de imágenes de alta resolución (fovea) con panoramas de baja resolución. La detección vigilante se obtiene así de la fusión entre una imagen de campo visual pequeño de alta resolución y panoramas de baja resolución. Ese tipo de sistemas se pueden tener utilidad en sistemas de vigilancia y telepresencia que requieren un campo visual grande y alta resolución en lugares seleccionados.
Ahora está trabajando en el reconocimiento de expresiones faciales sutiles en fotografías y videos. ¿Qué técnicas se utilizan para obtener expresiones sutiles en ordenador?
Las emociones son fundamentales en la experiencia humana, condicionan la cognición, la percepción y las tareas diarias. La computación afectiva viene a suplir la deficiencia largamente ignorada existente en la interacción humano-ordenador. En la comunidad visual, las imágenes y videos que representan caras son el principal canal para expresar emociones humanas. Las expresiones faciales se generan por contracciones de los músculos faciales, lo que resulta en la deformación de caracteres, como cejas, pestañas, nariz y labios. Hasta ahora, los sistemas automáticos de reconocimiento de los gestos faciales sólo utilizaban figuras geométricas, pero hoy día utilizan herramientas matemáticas y procesos de correspondencia complejos.
Las expresiones faciales sutiles se muestran cuando los músculos no están muy contraídos y son de baja intensidad. La construcción de sistemas de reconocimiento automático de la expresión facial se enfrenta a dos desafíos. El primero de ellos es la extracción a partir de datos visuales sin tratar (imágenes y videos) características que sean buenos indicadores de la expresión facial. El segundo es proponer un esquema capaz de distinguir entre varias expresiones. Para ello, los esfuerzos a realizar son grandes. Así, se han utilizado algoritmos del aprendizaje de las máquinas y estadísticas para modelar las complejas expresiones faciales humanas.
El sistema de codificación de la acción facial (FACS) nos ofrece el método más utilizado en medición del movimiento facial. En los FACS, una cara se divide en 44 unidades de acción, según su localización así como su intensidad. Luego se utiliza una combinación de esas unidades de acción para modelar las expresiones universales. Los últimos trabajos han utilizado también la extracción de dinámicas faciales en 3D, para facilitar así el reconocimiento de la expresión, aunque haya movimientos de cabeza. Las expresiones faciales automáticas en secuencias de video pueden utilizar deformaciones de la forma, dinámicas texturales, o una combinación de ellas.
¿Cuál es la principal diferencia entre trabajar en el French National Geographical Institute y ser profesor en la Universidad del País Vasco?
La principal diferencia entre el French National Geographical Institute (IGN) y la Universidad del País Vasco (UPV) es el tipo de investigación que se lleva a cabo. El IGN está más relacionado con la industria, lo que supone que los proyectos tienen un tema prefijado. Por ello, desde el punto de vista de IGN, la investigación tiene un fuerte componente de aplicación, orientado más al desarrollo que a la exploración de nuevos algoritmos e ideas. Personalmente, debido a mi experiencia y carrera profesionales, prefiero la investigación académica, ya que uno tiene la libertad de desarrollar sus propios intereses investigadores.
Compártelo:
