Reconocimiento Facial

OBJETIVO GENERAL

• Dar a conocer en que consiste el reconocimiento de rostros y las técnicas más precisas para ello.

OBJETIVO ESPECIFICO

• Exponer la implementación para un manejo convenientemente aproximado en los diferentes métodos del reconocimiento de rostros.

• Identificar las maneras más convenientes para la extracción de características en un trabajo de reconocimiento facial.

INTRODUCCIÓN

Los sistemas de reconocimiento de identidad de una persona han evolucionado considerablemente a través de estos últimos años. En la actualidad es posible realizar esta verificación por medio de diversas señales tales como: imágenes de las huellas digitales, el iris de los ojos, la palma de la mano, el rostro, o por señales como la voz de una persona o su firma manual. En la actualidad cada uno de estos sistemas tiene un alto grado de eficiencia para discriminar un individuo de otro, sin embargo, ninguna de estas técnicas es 100% confiable.

Los sistemas basados en el rostro tienen las tasas más altas de falsa aceptación y falso rechazo, sin embargo, tienen algunas cualidades que los hacen atractivos para ser utilizados como mecanismo de autenticación, tales como la facilidad de instalación de los sensores de captura (cámara digital), y su aceptación por parte del público ya que son los sistemas de verificación menos invasivos. Diferentes autores han propuesto diversas técnicas para realizar la extracción de características y reducir la dimensionalidad del problema, esto es debido a que normalmente una imagen de un rostro de sólo 50 píxeles de ancho y 50 de alto tendría una dimensionalidad de 2500. Esto hace el problema de reconocimiento de rostros altamente costoso desde el punto de vista computacional.

MARCO TEÓRICO

Para implementar un sistema de reconocimiento de rostros se presentan seis etapas bien definidas: Captura de la imagen, preprocesamiento, localización, escalamiento y ajuste, extracción de características y por último la clasificación y toma de la decisión. Dentro de la captura de la imagen se encuentra la selección de la cámara digital y las características de iluminación, ya sean controladas o no controladas. Diferentes autores han planteado que en el desempeño de estos sistemas de reconocimiento influyen más las variaciones de iluminación en la toma de las imágenes faciales que las debidas a la escala, rotación, pose o la presencia de accesorios en el rostro. Por este motivo algunas correcciones son realizadas para tratar de compensar las variaciones de iluminación.

El preprocesamiento de la imagen capturada incluye la selección del espacio de color en el que se desea trabajar o la extracción de la intensidad en el caso de que se trabaje en escala de grises. Una vez preprocesada la imagen de entrada se determina las coordenadas donde se encuentra la posición de la cara dentro de la escena, normalmente se desea determinar las coordenadas de una subimagen formada sólo por la zona de la cara delimitada por las orejas, la frente y el mentón. Para determinar estas coordenadas normalmente se utiliza un algoritmo basado en una cascada de clasificadores básicos denominado Adaboost. Otras estrategias para localizar el rostro consiste en determinar la posición de los ojos y en otros casos se utiliza la información del color de la piel como metodología para determinar la región que forma exclusivamente la cara o clasificadores básicos basados en redes neuronales.

En algunos sistemas se realiza la normalización de la cara ya sea utilizando la información de partes como los ojos, nariz u otras características o simplemente realizando un escalado de la imagen. Los sistemas que sólo hacen hasta las operaciones ahora mencionadas se llaman sistemas de localización.

Determinada la región que contiene el rostro se procede a extraer sus características. Para ello se puede utilizar cualquiera de las técnicas antes mencionadas o combinaciones de ellas. Normalmente esta operación produce un vector de características de baja dimensión que debe ser comparado con una base de datos de personas previamente almacenada. Si el individuo en prueba revela cuál es su identidad por algún método alternativo tal como un código, tarjeta inteligente u otro medio el sistema se llama sistema de verificación o autenticación de identidad. En este caso se compara el vector de características del individuo en prueba con el almacenado en la base de datos, si esta medida es inferior a un determinado umbral la identificación es positiva en caso contrario se trata de un intruso. Si el individuo en prueba no revela previamente su identidad entonces se trata de un sistema de reconocimiento o identificación de personas. En este caso se compara el vector de características del individuo en prueba con cada uno de los de la base de datos, se obtienen N valores de distancias, siendo N el número de individuos. Para realizar esta comparación existen diferentes métricas. De estas distancias se selecciona la más pequeña y se compara con un umbral previamente seleccionado que determina si efectivamente el individuo de prueba es una persona en la base de datos o se trata de un intruso.

Extracción de características

Una de las partes más importantes en un sistema de reconocimiento lo constituye la extracción de características. Como se mencionó anteriormente desde este punto de vista estos sistemas podrían ser clasificados en tres categorías: Los que trabajan con imágenes fijas, señales de vídeo normalmente de baja resolución y los que trabajan con imágenes 3D de la cabeza. Es importante resaltar que es difícil comparar cada una de estas categorías, ya que las investigaciones de cada una de ellas se realizan sobre bases de datos totalmente diferentes. Por ejemplo, los sistemas basados en 3D son probados con imágenes tomadas con escáneres altamente costosos mediante los cuales se construyen modelos de la cabeza y debido a los costos el número de imágenes 3D es limitado, en contraste los sistemas basados en imágenes fijas cuentan con bases de datos extensas y un número

...