Tamanho da fonte: 

O reconhecimento de expressões faciais e vocais tem se tornado uma área de grande interesse no campo da Inteligência Artificial (IA) devido à sua aplicação em diversas áreas, como segurança, saúde e interfaces humano-computador. O objetivo deste trabalho é desenvolver um software em Python capaz de identificar e classificar expressões faciais e emocionais a partir de imagens e áudios utilizando as bibliotecas presentes no mercado. Para atingir esse objetivo, foram escolhidas as bibliotecas OpenCV (OPENCV, 2024), SpeechRecognition (WARDEN, 2024), Transformers, Torch e TensorFlow, que oferecem suporte para o processamento de imagens, reconhecimento de fala e modelagem de redes neurais artificiais. O desenvolvimento encontra-se na fase inicial, onde as bibliotecas foram selecionadas com base em sua capacidade de integrar funcionalidades complexas de IA e sua ampla aceitação na comunidade científica e tecnológica. O processo de desenvolvimento foi dividido em duas etapas principais: reconhecimento facial e reconhecimento vocal. Na primeira etapa, as expressões faciais são detectadas a partir de sequências de vídeo utilizando a biblioteca OpenCV (OPENCV, 2024), em conjunto com técnicas de deep learning oferecidas pelas bibliotecas Torch e TensorFlow (PYTHON SOFTWARE FOUNDATION, 2024). A segunda etapa envolve o reconhecimento de expressões emocionais a partir de áudios utilizando a biblioteca SpeechRecognition (WARDEN, 2024) e modelos pré-treinados fornecidos pela biblioteca Transformers (HUGGING FACE, 2024). Ambas as etapas são integradas em uma interface gráfica desenvolvida com TtkBootstrap para facilitar a interação do usuário com o sistema. As bibliotecas e frameworks escolhidos são documentadas e utilizadas (PYTHON SOFTWARE FOUNDATION, 2024). A eficácia do software será avaliada por meio de testes em um conjunto de dados de expressões faciais e vocais, comparando os resultados com outros métodos presentes na literatura. A expectativa é que o software seja capaz de identificar corretamente as emoções expressas, contribuindo para o avanço das aplicações de IA em ambientes realistas. As conclusões serão baseadas nos resultados dos testes, e espera-se que o software desenvolvido ofereça uma solução eficiente para o problema de reconhecimento de expressões.