Facial affect recognition and schizotypal personality characteristics

Aim: Deficits in facial affect recognition are well established in schizophrenia, yet relatively little research has examined facial affect recognition in hypothetically psychosis-prone or ‘schizotypal’ individuals. Those studies that have examined social cognition in psychosis-prone individuals have paid little attention to the association between facial emotion recognition and particular schizotypal personality features. The present study therefore sought to investigate relationships between facial emotion recognition and the different aspects of schizotypy.

Methods: Facial affect recognition accuracy was examined in 50 psychiatrically healthy individuals assessed for level of schizotypy using the Schizotypal Personality Questionnaire. This instrument provides a multidimensional measure of schizophrenia proneness, encompassing ‘cognitive-perceptual’, ‘interpersonal’ and ‘disorganized’ features of schizotypy. It was hypothesized that the cognitive-perceptual and interpersonal aspects of schizotypy would be associated with difficulties identifying facial expressions of emotion during a forced-choice recognition task using a standardized series of colour photographs.

Results: As predicted, interpersonal aspects of schizotypy (particularly social anxiety) were associated with reduced accuracy on the facial affect recognition task, but there was no association between affect recognition accuracy and cognitive-perceptual features of schizotypy.

Conclusions: These results suggest that subtle deficits in facial affect recognition in otherwise psychiatrically healthy individuals may be related to the vulnerability for interpersonal communication difficulties, as seen in schizophrenia.

Low cost multimodal facial recognition via kinect sensors

This paper presents a novel low cost 3D facial recognition using gaming sensors such as Kinect™. The paper describes the hardware, calibration and infrared noise and pattern interference challenges of integrating multiple Kinect sensors. The preliminary results show a promising trend for low cost solutions that can be populated in crowded facilities such as malls and airports.

Evolution of a contagious cancer: epigenetic variation in devil facial tumour disease

The emergence of Devil Facial Tumour Disease (DFTD), a highly contagious cancer, is driving Tasmanian devils (Sarcophilus harrisii) to extinction. The cancer is a genetically and chromosomally stable clonal cell line which is transmitted by biting during social interactions. In the present study, we explore the Devil Facial Tumour (DFT) epigenome and the genes involved in DNA methylation homeostasis. We show that tumour cells have similar levels of methylation to peripheral nerves, the tissue from which DFTD originated. We did not observe any strain or region-specific epimutations. However, we revealed a significant increase in hypomethylation in DFT samples over time (p < 0.0001). We propose that loss of methylation is not because of a maintenance deficiency, as an upregulation of DNA methyltransferase 1 gene was observed in tumours compared with nerves (p < 0.005). Instead, we believe that loss of methylation is owing to active demethylation, supported by the temporal increase in MBD2 and MBD4 (p < 0.001). The implications of these changes on disease phenotypes need to be explored. Our work shows that DFTD should not be treated as a static entity, but rather as an evolving parasite with epigenetic plasticity. Understanding the role of epimutations in the evolution of this parasitic cancer will provide unique insights into the role of epigenetic plasticity in cancer evolution and progression in traditional cancers that arise and die with their hosts.

New insights into the role of MHC diversity in devil facial tumour disease

Devil facial tumour disease (DFTD) is a fatal contagious cancer that has decimated Tasmanian devil populations. The tumour has spread without invoking immune responses, possibly due to low levels of Major Histocompatibility Complex (MHC) diversity in Tasmanian devils. Animals from a region in north-western Tasmania have lower infection rates than those in the east of the state. This area is a genetic transition zone between sub-populations, with individuals from north-western Tasmania displaying greater diversity than eastern devils at MHC genes, primarily through MHC class I gene copy number variation. Here we test the hypothesis that animals that remain healthy and tumour free show predictable differences at MHC loci compared to animals that develop the disease.

Intelligent facial emotion recognition using a layered encoding cascade optimization model

In this research, we propose a facial expression recognition system with a layered encoding cascade optimization model. Since generating an effective facial representation is a vital step to the success of facial emotion recognition, a modified Local Gabor Binary Pattern operator is first employed to derive a refined initial face representation and we then propose two evolutionary algorithms for feature optimization including (i) direct similarity and (ii) Pareto-based feature selection, under the layered cascade model. The direct similarity feature selection considers characteristics within the same emotion category that give the minimum within-class variation while the Pareto-based feature optimization focuses on features that best represent each expression category and at the same time provide the most distinctions to other expressions. Both a neural network and an ensemble classifier with weighted majority vote are implemented for the recognition of seven expressions based on the selected optimized features. The ensemble model also automatically updates itself with the most recent concepts in the data. Evaluated with the Cohn-Kanade database, our system achieves the best accuracies when the ensemble classifier is applied, and outperforms other research reported in the literature with 96.8% for direct similarity based optimization and 97.4% for the Pareto-based feature selection. Cross-database evaluation with frontal images from the MMI database has also been conducted to further prove system efficiency where it achieves 97.5% for Pareto-based approach and 90.7% for direct similarity-based feature selection and outperforms related research for MMI. When evaluated with 90° side-view images extracted from the videos of the MMI database, the system achieves superior performances with >80% accuracies for both optimization algorithms. Experiments with other weighting and meta-learning combination methods for the construction of ensembles are also explored with our proposed ensemble showing great adpativity to new test data stream for cross-database evaluation. In future work, we aim to incorporate other filtering techniques and evolutionary algorithms into the optimization models to further enhance the recognition performance.

Para o reconhecimento da especificidade do termo jurídico

Este trabalho defende de que a idéia que critérios lingüísticos e pragmáticos contribuem para o reconhecimento da especificidade do termo jurídico. Desse modo, parte do princípio que a identificação de uma terminologia está vinculada ao reconhecimento da natureza e dos propósitos daqueles que a utilizam em uma dada área de conhecimento, o que, na área jurídica, se torna evidente na expressão da normatividade da lei. A pesquisa utiliza como referencial teórico as concepções de base da Teoria Comunicativa da Terminologia, da Teoria dos Atos de Fala, aportes da Teoria Semiótica do Texto no âmbito jurídico, bem como fundamentos gerais da ciência jurídica. O corpus de estudo, a partir do qual se demonstra a validade da idéia defendida, é formado por textos legislativos. A Constituição Brasileira de 1988 foi escolhida como campo preferencial de pesquisa e é examinado como objeto da comunicação que se estabelece entre o destinador e o destinatário no âmbito do universo sócio-cultural da área jurídica. Descrevem-se os mecanismos que tecem a rede modal que estrutura esse tipo de texto, considerando-se que a enunciação da norma constitucional configura um ato de fala jurídico. Esse ato de fala é analisado na manifestação de normas de três categorias: programáticas, de atribuição de poder e competência e de conduta, destacando-se o caráter performativo dos verbos que expressam tais normas. Após a identificação do padrão morfossintático e semântico que caracteriza a sua estrutura frasal, analisam-se os elementos que vinculam o verbo, seu sujeito e complementos aos propósitos da área temática, com destaque para sua implicação pragmática. Conforme a pesquisa demonstra, tais propósitos imprimem o caráter de imperatividade àquilo que é comunicado, conferindo especificidade às unidades lexicais que integram a estrutura frasal dos verbos focalizados. Conclui-se que o verbo performativo é fator primordial no processo de atualização da especificidade dos termos na linguagem jurídica, bem como se demonstra que alguns dos verbos analisados se constituem em genuínos candidatos a termo jurídico. Finalizando a investigação, são indicados parâmetros para a marcação de elementos lingüísticos, tanto morfossintáticos como semânticos e de natureza pragmática, para o processamento informatizado da linguagem usada no Direito.

Reconhecimento de caracteres alfanuméricos de placas em imagens de veículos

Sistemas de visão artificial são cada vez mais usados para auxiliar seres humanos a realizar diferentes tarefas. Estes sistemas são capazes de reconhecer padrões em imagens complexas. Técnicas de visão computacional têm encontrado crescente aplicação em estudos e sistemas de controle e monitoração de tráfego de automóveis. Uma das áreas de pesquisa que tem sido objeto de estudo por diferentes grupos é a leitura automática de placas de matrículas como forma de detectar transgressores, encontrar carros roubados ou efetuar estudos de origem/destino [BAR99]. Com o constante crescimento do volume de tráfego de automóvel e a limitada capacidade dos sensores convencionais, especialistas da área recorrem a técnicas de identificação automática de veículos para obter dados relativos ao escoamento de tráfego. A identificação automática de veículos tem tido essencialmente duas abordagens distintas: a utilização de transponders e a utilização de técnicas de visão computacional [INI85] . Estas são essencialmente úteis em casos em que não é viável obrigar os motoristas a instalar transponders em seus automóveis. No entanto, essas técnicas são mais sensíveis às condições atmosféricas e de iluminação tais como nevoeiros, chuva intensa, luz noturna, reflexos em superfícies, etc. Este trabalho apresenta um estudo de diversas técnicas de processamento de imagem objetivando o aperfeiçoamento de um sistema de identificação automática de placas de veículos. Este aperfeiçoamento está relacionado com a diminuição do tempo de execução necessário à localização e reconhecimento dos caracteres contidos nas placas dos veículos bem como a melhorar a taxa de sucesso no seu reconhecimento. A primeira versão do sistema de identificação da placas de veículos descrito em [SOU2000], desenvolvido no CPG-EE da UFRGS, denominado SIAV 1.0, localiza e extrai 91,3% das placas corretamente mas apresenta uma taxa de reconhecimento das placas de 37,3%, assim como um tempo de processamento não satisfatório. Neste trabalho, cujo sistema desenvolvido é denominado SIAV 2.0, a imagem é previamente processada através da aplicação de técnicas de realce da imagem. O principal objetivo das técnicas de realce é processar a imagem de modo que o resultado seja mais apropriado para uma aplicação específica do que a imagem original [GON93]. O sistema busca melhorar a qualidade da imagem eliminando ou suavizando sombras e reflexos presentes na cena em virtude da iluminação não controlada. Visando um menor tempo de execução durante o tratamento e análise da imagem um estudo estatístico baseado na distribuição gaussiana foi realizado de maneira a restringir a área de análise a ser processada. O SIAV possui duas redes neurais como ferramentas de reconhecimento de caracteres. A partir da análise dos diferentes modelos de redes neurais empregados na atualidade, foi desenvolvida uma nova arquitetura de rede a ser utilizada pelo SIAV 2.0 que oferece uma taxa de reconhecimento superior a rede neural usada no SIAV 1.0. Visando um melhor tempo de execução, a implementação em hardware dedicado para este modelo é abordado. Os testes foram realizados com três bancos de imagens obtidas por câmeras diferentes, inclusive por dispositivo "pardal" comercial. Estes testes foram realizados para verificar a efetividade dos algoritmos aperfeiçoados.