deletions | additions       diff --git a/Movimiento_facial_La_superficie_de__.md b/Movimiento_facial_La_superficie_de__.md  index 9cc6265..6f60f16 100644  --- a/Movimiento_facial_La_superficie_de__.md  +++ b/Movimiento_facial_La_superficie_de__.md 
...
La observación de las expresiones faciales se realiza grabando la cara del sujeto y realizando una codificación de los músculos que se activan durante la exposición al estímulo. El más conocido y utilizado, fue desarrollado por Paul Ekman \cite{ekman1978manual}. En la actualidad, existe software informático que permite la codificación automática de las expresiones faciales \cite{azcarate2005automatic, salah2010communication}, algunas compañías comercializan dichos paquetes de software para su uso en investigación de mercados. (Affectiva, www.affectiva.com; Thirdsight, www.thirdsight.co; Noldus, www.noldus.com; nViso, www.nviso.ch) \cite{benito2011neuromarketing}.  **AQUÍ**  El sistema propuesto por \cite{azcarate2005automatic}, presenta un sistema de reconocimiento de las emociones a través de expresiones faciales que aparecen en secuencias de vídeo en directo y grabadas. El sistema se basa en el seguimiento de la deformación a trozos B'ezier volumen [18] y se ha ampliado con un detector de caras Haar para localizar inicialmente el rostro humano de forma automática. Nuestros experimentos con Naive Bayes y el árbol de Bayes-Augmented-Naive (TAN) clasificadores en las pruebas a personas dependientes y personas independientes sobre la base de datos Cohn-Kanade [1] muestran que se pueden obtener buenos resultados de la clasificación para el reconocimiento de expresiones faciales  Recognizing human facial expression and emotion by computer is an interesting and challenging problem. In this paper we present a system for recognizing emotions through facial expressions displayed in live video streams and video sequences. The system is based on the Piecewise B´ezier Volume Deformation tracker [18] and has been extended with a Haar face detector to initially locate the human face automatically. Our experiments with Naive Bayes and the Tree-Augmented-Naive Bayes (TAN) classifiers in person-dependent and person-independent tests on the Cohn-Kanade database [1] show that good classification results can be obtained for facial expression recognition \cite{azcarate2005automatic}.