O reconhecimento de emoções é parte intrínseca das relações sociais humanas e está associado com comportamentos que resultam em padrões faciais distintos. Devido ao fato da expressão facial ser um indicador de contexto emocional, existe grande interesse científico, artístico, médico e comercial sobre o assunto e isso tem estimulado o desenvolvimento de técnicas e métodos computacionais de reconhecimento automático de emoções. Apesar dos métodos atuais apresentarem resultados satisfatórios, há ainda grandes desafios relacionados ao reconhecimento de emoções. Este trabalho apresenta um novo método, denominado REGL, cujo encadeamento de etapas tem o objetivo de aprimorar o reconhecimento de expressões faciais e emoções humanas. O método visa diminuir a variabilidade amostral, permitindo um melhor ajuste das informações que definem os padrões faciais. Dentre as técnicas exploradas, inclui-se a normalização dos pontos fiduciais faciais, chamados de landmarks, para a construção de classificadores destinados ao reconhecimento das emoções. Como resultado, obteve-se uma acurácia média de 90% com a utilização de algoritmos de Aprendizado de Máquina com diferentes arquiteturas. Esses resultados indicam que: (i) o método REGL é mais aprimorado do que os investigados em termos de taxa de acerto e (ii) produziu resultados mais resilientes, considerando menor dependência do conjunto de treino e da arquitetura do classificador. Destaca-se que o reconhecimento de emoções faciais é um passo importante em diferentes áreas, possibilitando o desenvolvimento de tecnologias assistivas mais robustas e permitindo a melhoria das técnicas de síntese computacional.

Recognition of emotions is an intrinsic act of human social relationships, and it is associated with behaviors that result in distinct facial patterns. Considering that facial expression is an indicator of emotional context, there is scientific, artistic, medical, and marketing interest in the subject, which has stimulated the development of techniques and computational methods for automatic emotion recognition. Our work presents the method REGL. REGL is a sequence of steps to recognize facial expressions and human emotions in images. The method aims to reduce sample variability, allowing for a better adjustment of the information that defines facial patterns. Among the techniques, we included the normalization of facial fiducial points (landmarks). We also configured classifiers for the recognition of facial emotions. As a result, we obtained an average accuracy of 90% using Machine Learning algorithms with different architectures. These results demonstrate that: (i) the REGL method is an improved method in terms of hit rate, and (ii) it produced more resilient results, considering less dependence on the training set and the classifier architecture. It is noteworthy that the facial emotion recognition of facial emotions is an essential step in different areas, enabling the development of more robust assistive technologies and allowing the improvement of computational synthesis techniques.