Sistema de Domótica para regular el estado emocional

Autores
VILLAGRA, Franco Agustin
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión aceptada
Colaborador/a o director/a de tesis
Sardiñas GOTAY, Jorge
Descripción
La evolución de herramientas tecnológicas promete mejorar la calidad de vida y junto a estas una de las ramas tecnológicas más importante es la Domótica, la cual tiene la capacidad de automatizar una vivienda o edificación cualquiera incluyendo la integración de servicios de gestión energética, seguridad, comunicación y bienestar por medio de redes de comunicación cableados o inalámbricos. Este trabajo se enmarca en un proyecto más general cuyo propósito es predecir el estado emocional de una persona que ingresa al hogar para ambientar la casa de acuerdo con el estado emocional detectado, sin embargo, el alcance de este trabajo presupone únicamente la predicción de cuatro estados emocionales (alegre, enojado, neutral y sorprendido) a partir de la imagen del rostro de la persona que ingresa al hogar mediante el uso de técnicas del Deep Learning. En el trabajo los modos de ambientación de la casa son de carácter demostrativo. Se utilizaron dos métodos para realizar la clasificación de los estados emocionales: EL primero, está basado en una red neuronal profunda del tipo convolucional o CNN por sus siglas en inglés (Convolutional Neural Network) que analiza la imagen completa del rostro de la persona y se encarga de extraer de manera automática las características fundamentales del rostro para establecer la clasificación. El segundo método, utiliza un vector de características que contiene las marcas biométricas presentes en el rostro que son propias de cada persona. Este vector de características es suministrado a un clasificador del tipo Máquina de Soporte Vectorial o (SVM) por sus siglas en inglés (Support Vector Machine). Para ambos tipos de métodos se utilizó el lenguaje de programación Python con la biblioteca de código abierto TensorFlow. En el caso de la red neuronal de convolución el código de TensorFlow fue corrido mediante la librería de redes neuronales también de código abierto Keras y para el segundo método, se utilizó la librería dlib. Los resultados de los modelos realizados muestran que el método basado en el conjunto de puntos claves del rostro brinda mayor porcentaje de acierto en la clasificación de los estados emocionales que cuando se utiliza el método basado en la imagen completa basado en el uso de la red neuronal de convolución.
Fil: UTN-FRT. Tucumán. Argentina
Materia
Domótica
estado emocional
Sistema de Domótica
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2022-01-05T16:26:36Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/5924
Acceder
id RIAUTN_a9f886ae7ab7b1c09a92f3fc07f399a1
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/5924
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Sistema de Domótica para regular el estado emocionalVILLAGRA, Franco AgustinDomóticaestado emocionalSistema de DomóticaLa evolución de herramientas tecnológicas promete mejorar la calidad de vida y junto a estas una de las ramas tecnológicas más importante es la Domótica, la cual tiene la capacidad de automatizar una vivienda o edificación cualquiera incluyendo la integración de servicios de gestión energética, seguridad, comunicación y bienestar por medio de redes de comunicación cableados o inalámbricos. Este trabajo se enmarca en un proyecto más general cuyo propósito es predecir el estado emocional de una persona que ingresa al hogar para ambientar la casa de acuerdo con el estado emocional detectado, sin embargo, el alcance de este trabajo presupone únicamente la predicción de cuatro estados emocionales (alegre, enojado, neutral y sorprendido) a partir de la imagen del rostro de la persona que ingresa al hogar mediante el uso de técnicas del Deep Learning. En el trabajo los modos de ambientación de la casa son de carácter demostrativo. Se utilizaron dos métodos para realizar la clasificación de los estados emocionales: EL primero, está basado en una red neuronal profunda del tipo convolucional o CNN por sus siglas en inglés (Convolutional Neural Network) que analiza la imagen completa del rostro de la persona y se encarga de extraer de manera automática las características fundamentales del rostro para establecer la clasificación. El segundo método, utiliza un vector de características que contiene las marcas biométricas presentes en el rostro que son propias de cada persona. Este vector de características es suministrado a un clasificador del tipo Máquina de Soporte Vectorial o (SVM) por sus siglas en inglés (Support Vector Machine). Para ambos tipos de métodos se utilizó el lenguaje de programación Python con la biblioteca de código abierto TensorFlow. En el caso de la red neuronal de convolución el código de TensorFlow fue corrido mediante la librería de redes neuronales también de código abierto Keras y para el segundo método, se utilizó la librería dlib. Los resultados de los modelos realizados muestran que el método basado en el conjunto de puntos claves del rostro brinda mayor porcentaje de acierto en la clasificación de los estados emocionales que cuando se utiliza el método basado en la imagen completa basado en el uso de la red neuronal de convolución.Fil: UTN-FRT. Tucumán. ArgentinaSardiñas GOTAY, Jorge2022-01-05T16:26:36Z2022-01-05T16:26:36Z2021-12-28info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriapdfapplication/pdfhttp://hdl.handle.net/20.500.12272/5924spainfo:eu-repo/semantics/openAccess2022-01-05T16:26:36Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacionalcreative commonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:25Zoai:ria.utn.edu.ar:20.500.12272/5924instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:47:27.575Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Sistema de Domótica para regular el estado emocional
title Sistema de Domótica para regular el estado emocional
spellingShingle Sistema de Domótica para regular el estado emocional
VILLAGRA, Franco Agustin
Domótica
estado emocional
Sistema de Domótica
title_short Sistema de Domótica para regular el estado emocional
title_full Sistema de Domótica para regular el estado emocional
title_fullStr Sistema de Domótica para regular el estado emocional
title_full_unstemmed Sistema de Domótica para regular el estado emocional
title_sort Sistema de Domótica para regular el estado emocional
dc.creator.none.fl_str_mv VILLAGRA, Franco Agustin
author VILLAGRA, Franco Agustin
author_facet VILLAGRA, Franco Agustin
author_role author
dc.contributor.none.fl_str_mv Sardiñas GOTAY, Jorge
dc.subject.none.fl_str_mv Domótica
estado emocional
Sistema de Domótica
topic Domótica
estado emocional
Sistema de Domótica
dc.description.none.fl_txt_mv La evolución de herramientas tecnológicas promete mejorar la calidad de vida y junto a estas una de las ramas tecnológicas más importante es la Domótica, la cual tiene la capacidad de automatizar una vivienda o edificación cualquiera incluyendo la integración de servicios de gestión energética, seguridad, comunicación y bienestar por medio de redes de comunicación cableados o inalámbricos. Este trabajo se enmarca en un proyecto más general cuyo propósito es predecir el estado emocional de una persona que ingresa al hogar para ambientar la casa de acuerdo con el estado emocional detectado, sin embargo, el alcance de este trabajo presupone únicamente la predicción de cuatro estados emocionales (alegre, enojado, neutral y sorprendido) a partir de la imagen del rostro de la persona que ingresa al hogar mediante el uso de técnicas del Deep Learning. En el trabajo los modos de ambientación de la casa son de carácter demostrativo. Se utilizaron dos métodos para realizar la clasificación de los estados emocionales: EL primero, está basado en una red neuronal profunda del tipo convolucional o CNN por sus siglas en inglés (Convolutional Neural Network) que analiza la imagen completa del rostro de la persona y se encarga de extraer de manera automática las características fundamentales del rostro para establecer la clasificación. El segundo método, utiliza un vector de características que contiene las marcas biométricas presentes en el rostro que son propias de cada persona. Este vector de características es suministrado a un clasificador del tipo Máquina de Soporte Vectorial o (SVM) por sus siglas en inglés (Support Vector Machine). Para ambos tipos de métodos se utilizó el lenguaje de programación Python con la biblioteca de código abierto TensorFlow. En el caso de la red neuronal de convolución el código de TensorFlow fue corrido mediante la librería de redes neuronales también de código abierto Keras y para el segundo método, se utilizó la librería dlib. Los resultados de los modelos realizados muestran que el método basado en el conjunto de puntos claves del rostro brinda mayor porcentaje de acierto en la clasificación de los estados emocionales que cuando se utiliza el método basado en la imagen completa basado en el uso de la red neuronal de convolución.
Fil: UTN-FRT. Tucumán. Argentina
description La evolución de herramientas tecnológicas promete mejorar la calidad de vida y junto a estas una de las ramas tecnológicas más importante es la Domótica, la cual tiene la capacidad de automatizar una vivienda o edificación cualquiera incluyendo la integración de servicios de gestión energética, seguridad, comunicación y bienestar por medio de redes de comunicación cableados o inalámbricos. Este trabajo se enmarca en un proyecto más general cuyo propósito es predecir el estado emocional de una persona que ingresa al hogar para ambientar la casa de acuerdo con el estado emocional detectado, sin embargo, el alcance de este trabajo presupone únicamente la predicción de cuatro estados emocionales (alegre, enojado, neutral y sorprendido) a partir de la imagen del rostro de la persona que ingresa al hogar mediante el uso de técnicas del Deep Learning. En el trabajo los modos de ambientación de la casa son de carácter demostrativo. Se utilizaron dos métodos para realizar la clasificación de los estados emocionales: EL primero, está basado en una red neuronal profunda del tipo convolucional o CNN por sus siglas en inglés (Convolutional Neural Network) que analiza la imagen completa del rostro de la persona y se encarga de extraer de manera automática las características fundamentales del rostro para establecer la clasificación. El segundo método, utiliza un vector de características que contiene las marcas biométricas presentes en el rostro que son propias de cada persona. Este vector de características es suministrado a un clasificador del tipo Máquina de Soporte Vectorial o (SVM) por sus siglas en inglés (Support Vector Machine). Para ambos tipos de métodos se utilizó el lenguaje de programación Python con la biblioteca de código abierto TensorFlow. En el caso de la red neuronal de convolución el código de TensorFlow fue corrido mediante la librería de redes neuronales también de código abierto Keras y para el segundo método, se utilizó la librería dlib. Los resultados de los modelos realizados muestran que el método basado en el conjunto de puntos claves del rostro brinda mayor porcentaje de acierto en la clasificación de los estados emocionales que cuando se utiliza el método basado en la imagen completa basado en el uso de la red neuronal de convolución.
publishDate 2021
dc.date.none.fl_str_mv 2021-12-28
2022-01-05T16:26:36Z
2022-01-05T16:26:36Z
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
format masterThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/5924
url http://hdl.handle.net/20.500.12272/5924
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2022-01-05T16:26:36Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
creative commons
eu_rights_str_mv openAccess
rights_invalid_str_mv 2022-01-05T16:26:36Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
creative commons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230937423478784
score 13.265058

Publicaciones similares