Aprendizado Profundo, Reconhecimento de Emoção Facial (FER), Aprendizagem por Transferência, Assistência ao motorista.

O reconhecimento das emoções do condutor é uma questão importante que pode ser utilizada para aumentar a consciencialização sobre os hábitos de condução dos condutores, uma vez que muitos condutores são excessivamente confiantes e desconhecem os seus maus hábitos de condução. Se os comportamentos de condução dos condutores forem identificados automaticamente, os condutores podem estar conscientes dos seus maus hábitos, o que os pode ajudar a evitar potenciais acidentes. O tratamento dos estados emocionais e comportamentais pode ser útil no desenvolvimento de um sistema abrangente de assistência aos motoristas de maneira eficiente, abordando as limitações ou desafios que precisam ser resolvidos. Este estudo propõe um aprendizado profundo de máquina que se concentra na avaliação de desempenho do reconhecimento de emoções faciais (FER) para assistência ao motorista. O objetivo é validar uma metodologia para desenvolver uma rede neural convolucional profunda (CNN) para realizar a predição de sete emoções do conjunto de dados FER2013. Para desenvolvimento foram utilizadas ferramentas como o TensorFlow e a API do Keras. O modelo proposto, possui uma arquitetura com 37 camadas e suas métricas foram geradas a partir da biblioteca sklearn. Como resultados foi possível conseguir uma comparação satisfatória da acurácia com estado da arte, atingindo 77% com os dados de treinamento e 83% com os dados de teste conforme análise de desempenho realizada pelo método k-fold.