Marco híbrido CNN-LSTM para el reconocimiento de emociones faciales aplicado al análisis de decisiones en el comercio minorista Autores: Narmadha R - Karunya Institute of Technology and Sciences (IN) Leo A - Karunya Institute of Technology and Sciences (IN) Saji Abraham - Karunya Institute of Technology and Sciences (IN) Shalini Divya Prasanna A - Karunya Institute of Technology and Sciences (IN) Janani T - Karunya Institute of Technology and Sciences (IN) Kevin Joseph J - Karunya Institute of Technology and Sciences (IN) Lourdu Stepy P - Karunya Institute of Technology and Sciences (IN) Resumen Este marco de reconocimiento de emociones faciales (FER), entendido como un sistema básico que integra tecnologías y procesos relacionados con el reconocimiento de emociones a partir de expresiones faciales, se utilizará en un proyecto de investigación pertinente. El objetivo es explorar si esta tecnología, que permite inferir emociones actuales a partir de las expresiones faciales, puede convertirse en un componente de herramientas de análisis de decisiones para el comercio minorista sensibles al estado emocional. Si las emociones de los clientes pueden identificarse con precisión, las futuras aplicaciones de apoyo a la toma de decisiones en el comercio minorista podrán incorporar una fuente adicional de información de referencia relacionada con el comportamiento de los consumidores. La mayoría de los sistemas FER anteriores basados en CNN se centran en la clasificación de fotogramas estáticos sin tener en cuenta la evolución temporal de las emociones. En este artículo se comparan tres modelos de aprendizaje profundo —CNN, Mini-Xception y CNN–LSTM— en el contexto del reconocimiento de emociones faciales aplicado al análisis de decisiones en el comercio minorista. CNN y Mini-Xception son métodos espaciales, mientras que CNN–LSTM combina información espacial y temporal. Los modelos CNN fueron preentrenados con la base de datos FER-2013 (35.887 imágenes), mientras que CNN-LSTM se evaluó con el conjunto de datos CK+ (981 secuencias). En el entorno experimental basado en CK+, el modelo CNN-LSTM procesa secuencias de expresiones ordenadas temporalmente y alcanza una precisión del 92,42 %. Este resultado demuestra que, bajo esta configuración experimental con CK+, el modelado de datos secuenciales de series temporales resulta eficaz. En cuanto a la aplicación de este marco como apoyo al análisis de decisiones en el comercio minorista, por el momento solo puede considerarse una posible línea de expansión futura. Toda la investigación relacionada se ha realizado utilizando conjuntos de datos de referencia existentes sobre expresiones faciales y no ha empleado datos vinculados a transacciones generados en escenarios reales de comercio minorista. Por este motivo, el sistema todavía no puede implementarse directamente en actividades comerciales minoristas reales.