Amigos del Club del Lenguaje No Verbal, esta semana presentamos el artículo “Racial Identity-Aware Facial Expression Recognition Using Deep Convolutional Neural Networks”, de Sohail, M.; Ali, G.; Rashid, J.; Ahmad, I.; Almotiri, S. H.; AlGhamdi, M. A.; Nagra, A. A. y Masood, K. (2021), en el que los autores investigan la posibilidad de incluir, gracias a un software, la capacidad de tener en cuenta los grupos étnicos cuando se trata de analizar expresiones faciales.
Debido a que los análisis manuales de la expresión facial son a veces algo lentos, cada vez se utilizan más distintos softwares que automatizan el proceso. Sin embargo, los autores se preguntan ¿tienen éstos en cuenta las diferencias entre los grupos étnicos y sus rostros?
El objetivo de un sistema de reconocimiento de expresiones faciales es reconocer las emociones que éstas muestran, porque existen una serie de movimientos musculares del rostro que se asocian a ciertas emociones y pueden hacernos inferir lo que siente una persona.
Estas emociones son, normalmente, felicidad, tristeza, sorpresa, ira, miedo y asco, aunque a veces se incluyen el desprecio o la expresión neutral.
Aunque muchos estudios se han centrado en el reconocimiento de la expresión facial utilizando imágenes estáticas, esto es algo que puede ser complejo por tres motivos, según explican los autores.
Primero, porque las variaciones de la estructura facial entre los sujetos de diferentes culturas dificultan la tarea de clasificación en algunos casos.
En segundo lugar, porque la semejanza entre expresiones puede ser importante, y, por tanto, un desafío reconocer cada una con precisión.
Por último, diferentes sujetos pueden presentar variaciones en la expresión de sus emociones debido a su apariencia facial y sus formas biométricas.
En general, los autores consideran que la variabilidad de la estructura facial entre culturas podría conducir a un reconocimiento incorrecto de la expresión facial porque la imagen de una emoción de una cultura puede ser diferente a la imagen de la misma emoción en otra cultura. Por ejemplo, se sabe que miembros de diferentes culturas pueden expresar niveles de excitación ante una emoción que en otra cultura no aparecerían.
Por lo tanto, los autores creen que, con la inclusión de una descripción de la identidad racial en los modelos de software de reconocimiento facial automatizado, el proceso se volvería más confiable.
En concreto, los autores desarrollan en este trabajo una nueva técnica de aprendizaje profundo: la red consciente de identidad racial (RIA-Net) aprende las expresiones faciales de imágenes y extrae las características de identidad racial de una red de identidad racial previamente entrenada (RI-Net). Esta última, se entrena utilizando datos multiculturales de personas japonesas, taiwanesas, estadounidenses, caucásicas, marroquíes…
Además, utilizan un modelo basado en redes neuronales de convolución, que ya ha sido previamente usado con éxito por expertos como Pons y Masip, para el reconocimiento de la expresión facial.
Los autores consideran que tener la raza en cuenta es muy importante. Se ha demostrado que la representación de la expresión facial no sólo está influenciada por la deformación muscular de la estructura facial, sino también por muchos otros factores sociales como la cultura, la geografía o el grupo étnico.
¿Cómo se llevó a cabo el estudio? Pues bien, se propuso un sistema de reconocimiento de expresiones faciales asociadas con siete emociones: tristeza, felicidad, ira, miedo, sorpresa, asco y emoción neutral.
Después, se tuvieron en cuenta cinco culturas distintas: la marroquí, la caucásica, la taiwanesa, la estadounidense y la japonesa. Para ello, se extrajeron imágenes de bases de datos específicas de cada país con rostros de personas nativas.
Los hallazgos muestran, en primer lugar, que el mayor porcentaje de incomprensión surge entre las emociones de enfado, tristeza y miedo, ocurriendo lo contrario con la felicidad y la sorpresa, donde hubo un 100% de aciertos.
El método propuesto por los autores logró una precisión del 97%. En las mismas condiciones, sin utilizar rasgos de identidad racial, la precisión bajó al 93,28%. Estos resultados manifiestan que el uso de rasgos de identidad racial en el reconocimiento de expresiones faciales mejora significativamente los resultados.
La situación actual de pandemia ha hecho que la comunicación online sea mucho más común. Además, la globalización ha facilitado la comunicación entre personas de distintas partes del mundo y, por tanto, diferentes culturas. Las expresiones faciales juegan un papel muy importante teniendo esto en cuenta, por lo que es especialmente importante que se preste atención a la multiculturalidad cuando se trata de identificar las emociones a través del rostro.
Si quieres saber más sobre el comportamiento no verbal y cómo influye en con las relaciones interpersonales, visita nuestro Máster en Comportamiento No Verbal y Detección de la Mentira o nuestro Experto Universitario en Comunicación No Verbal y Personalidad, con becas especiales para los lectores del Club del Lenguaje no Verbal.
