Diseño e implementación de una aplicación de monitorización facial utilizando aprendizaje profundo

[ES] Actualmente, los sistemas de detección y reconocimiento facial son algo del día a día de muchas personas. Ordenadores, tablets y móviles tienen, en su mayoría, integrado un sistema de éstas características. Sin embargo, ¿Hasta dónde podemos extender la cantidad de información extraída del rostro humano? En este proyecto se propone la creación de un sistema de monitorización facial, el cual debe ser capaz estimar diversas mediciones, tales como emociones, identificación, pose, gestos faciales o la dirección de la mirada, a tiempo real mediante el uso de técnicas de Deep Learning, Mahine Learning y Computer Vision. Para ello se hará un estudio de las diversas técnicas, herramientas y algoritmos disponibles útiles para dicha tarea. Tras identificar las herramientas que pueden resultar de ayuda para el desarrollo del sistema se definirán de forma detallada los requisitos que éste debe cumplir y el diseño y arquitectura de éste. Posteriormente se expondrá el desarrollo del sistema explicando de forma precisa el funcionamiento interno de éste y las peculiaridades de la solución final, efectuando después pruebas de evaluación de robustez y rendimiento con el fin de extender el conocimiento sobre el campo sometido a estudio. Finalmente, tras realizar el análisis de los resultados obtenidos, se explicarán los problemas encontrados y se aportarán posibles soluciones a éstos para el desarrollo de futuros trabajos relacionados con esta tarea.
[CA] Hui en dia, els sistemes de detecció i reconeixement facial formen part del quotidià de moltes persones. Ordinadors, tablets i mòbils tenen integrat, majoritàriament, un sistema d’aquestes característiques. No obstant, fins a quin punt és possible estendre la quantitat d’informació obtinguda del rostre humà? Aquest projecte proposa la creació d’un sistema de monitorització facial, el qual ha de ser capaç d’estimar diverses mesures, tals com emocions, identificació, posició /postura, expressions facials o direcció de la mirada, a temps real mitjançant la utilització de tècniques de Deep Learning, Machine Learning, i Computer Vision. Amb tal propòsit, es realitza un estudi de les distintes tècniques, eines i algoritmes aptes per desenvolupar tal funció. Després d’identificar les eines que poden resultar útils per el desenvolupament del sistema, es defineixen detalladament els requisits que aquest ha de verificar, així com el disseny i arquitectura d’aquest. Posteriorment, s’exposarà el desenvolupament del sistema explicant amb precisió el seu funcionament intern i les particularitats de la solució final, realitzant després proves d’avaluació de robustesa i rendiment amb la finalitat d’ampliar el coneixement sobre el camp sotmès a estudi. Finalment, una vegada realitzats el anàlisis dels resultats obtinguts, s’expliquen els problemes identificats i es proposen potencials solucions per al desenvolupament de futurs treballs relacionats amb la matèria que ens ocupa.
[EN] Facial detection and recognition systems are something familiar for people day by day. Computers, tablets and mobiles have (for the most part) this kind of system integrated. However, how far can we go in terms of the amount of information extracted from the human face? In this Project, the creation of a facial monitoring system is proposed, which must be able to estimate various measurements, such as emotions, identification, pose, facial gestures or the direction of the gaze in real time using techniques of Deep Learning, Machine Learning and Computer Vision. To do that, a study will be made about various techniques, tools and algorithms available useful for this task. After identifying the tools that can be helpful for the development of the system, the requirement, the design and the architecture will be defined in detail. Subsequently, the development of the system will be exposed, precisely explaining its internal functioning and the peculiarities of the final solution, then carrying out robustness and performance evaluation tests to extend the knowledge about the topic under study. Finally, after analysing the results obtained, the problems encountered will be explained and possible solutions to these will be provided for the development of future work related to this task.