Sobre la descripción visual automática del ser humano para aplicaciones de interacción hombre-máquina

Abstract

Desde hace varias décadas, las máquinas forman parte de la vida cotidiana de las personas. Levantarse de la cama gracias a un despertador digital, encender la cafetera mientras consultamos nuestro correo electrónico a través de una PDA o lavarnos los dientes con un cepillo de dientes eléctrico escenifican la importancia que ha adquirido el papel que juegan las máquinas en nuestro entorno. Sin embargo, aún existe margen para mejorar la calidad de la comunicación entre humanos y máquinas. En los ejemplos anteriormente expuestos, sólo es posible el servicio de las máquinas cuando estas son esclavas desde una perspectiva comunicativa; sin jugar un papel proactivo ante las necesidades que pudiera tener un usuario. Por otro lado, la comunicación visual entre los seres humanos proporciona a la visión por computador la inspiración necesaria para abordar la problemática de la mejora de las interfaces perceptuales de usuario a través de modelos bioinspirados. Se trata de ayudar a que las máquinas comprendan mejor el entorno en el que se desenvuelven y sean capaces de ofrecer al ser humano asistencia en función de sus necesidades y no en la mera función de sus demandas. Esta tesis doctoral aborda el problema de la comunicación desde dos vertientes; la emocional y la contextual. En primer lugar se ha estudiado el origen de las emociones y se han articulado los mecanismos necesarios para inducir estas emociones en las personas. Una vez que se ha comprendido el origen de las emociones, se han estudiado diversas técnicas que permiten ampliar el estado del arte acerca de la detección de una de las expresiones faciales más universales; la sonrisa. Para ello, se han desarrollado diversos enfoques estáticos basados en la extracción de descriptores novedosos, además de un enfoque dinámico para estudiar la coherencia temporal en la detección de sonrisas. La segunda parte de este trabajo aborda la detección de componentes que ayuden a dilucidar características demográficas de los sujetos capturados. Para ello, se ha desarrollado un novedoso algoritmo basado en tríxeles (procedente del término anglosajón ”Triangular Superpixels”) que permite generar una malla de tríxeles. Esta malla es interpretada como un grafo y segmentada a través de un algoritmo de flujo máximo para obtener una imagen segmentada. El algoritmo de corte empleado es similar al que se usa en el GrabCut, pero con una serie de ventajas muy provechosas. Por último, se aprovecha la información extraída de los tríxeles para determinar el sexo de una persona o detectar componentes contextuales de la indumentaria de la misma.