Rivas Echeverría, Franklin IvánMafla Pineda, Keny Ariel12/03/202512/03/20252025https://repositorio.puce.edu.ec/handle/123456789/45453El presente trabajo aborda el desarrollo de un prototipo de reconocimiento facial para la evaluación emocional del personal docente de la Escuela de Ingeniería de la Universidad Católica de Ecuador, sede Ibarra. Este sistema, diseñado para contribuir al bienestar de los docentes, emplea técnicas avanzadas de inteligencia artificial y visión por computadora para detectar y clasificar emociones en tiempo real. Para su implementación, se utilizó el modelo mini-Xception, una arquitectura optimizada para tareas de reconocimiento facial y clasificación emocional en dispositivos de recursos limitados. El modelo fue entrenado con el conjunto de datos FER2013, compuesto por imágenes en escala de grises de rostros con diversas expresiones emocionales. La detección facial se realizó mediante OpenCV y Dlib, aplicando técnicas de ecualización del histograma y alineación facial para mejorar la precisión del reconocimiento. El entrenamiento del modelo fue optimizado con el algoritmo Adam, mientras que la evaluación del rendimiento se realizó con la función de pérdida CrossEntropyLoss. El prototipo se activa automáticamente al detectar la presencia de una persona frente a la cámara, capturando y analizando su rostro para identificar emociones. Los resultados se presentan en tiempo real a través de una interfaz gráfica que muestra el estado emocional detectado, su nivel de confianza y otros detalles relevantes. Además, el sistema almacena los registros en formato JSON, incluyendo información como fecha, hora y emoción identificada, permitiendo un análisis histórico de los estados emocionales registrados. La interfaz gráfica incorpora herramientas de visualización y análisis, como la exportación de datos y la generación de gráficos de barras. Estas funcionalidades permiten filtrar la información por períodos de tiempo, proporcionando una visión integral de los patrones emocionales. Este análisis puede ser utilizado por el personal administrativo para implementar estrategias que favorezcan el bienestar emocional de los docentes, permitiendo observar tendencias y patrones emocionales colectivos a lo largo del tiempo.This study focuses on the development of a facial recognition prototype designed to evaluate the emotions of faculty members at the School of Engineering of the Catholic University of Ecuador, Ibarra campus. This system, aimed at promoting faculty well-being, employs advanced artificial intelligence and computer vision techniques to detect and classify emotions in real time. For its implementation, the mini-Xception model was utilized—an optimized architecture for facial recognition and emotional classification in resource-limited devices. The model was trained using the FER2013 dataset, which consists of grayscale images of faces displaying various emotional expressions. Facial detection was performed using OpenCV and Dlib, applying histogram equalization and facial alignment techniques to enhance recognition accuracy. The model training process was optimized using the Adam algorithm, while performance evaluation was conducted using the CrossEntropyLoss function. The prototype activates automatically upon detecting the presence of a person in front of the camera, capturing and analyzing their face to identify emotions. The results are displayed in real time through a graphical user interface that presents the detected emotional state, confidence level, and other relevant details. Additionally, the system stores records in JSON format, including information such as date, time, and identified emotion, allowing for historical analysis of emotional states. The graphical interface also incorporates visualization and analysis tools, such as data export and bar graph generation. These features enable filtering information over time periods, providing a comprehensive view of emotional patterns. This analysis can be leveraged by administrative personnel to implement strategies that support faculty well being, allowing the observation of collective emotional trends over time.esReconocimiento facialEvaluación emocionalMini - XceptionPytorchVisión por computadoraInteligencia artificial