Reconocimiento y detección facial

[juancanviz]

Descripción: El progreso tecnológico comienza con la Tecnología biométrica y sumarla a la tecnología en general, como resultado de la medición y el análisis Datos biológicos como ADN y huellas dactilares manos, y voz (tarea biométrica). Este es el nacimiento del sistema de reconocimiento facial. El rostro toma una decisión de reconocimiento. Con la ayuda de características personales. (Fotos y videos) y captura con la misma imagen digital. Puede ser identificado o verificado a partir de él. La forma automatizada de usar una computadora. Por otro lado, en el proceso de reconocimiento se utilizan algoritmos, analizar cientos de imágenes usa un mapa facial que puede capturar 100 Expresiones faciales) para procesar las imágenes, todas las imágenes son 50x50, el ancho y el alto son píxeles y la direccionalidad es 2500 píxeles, por lo que su costo computacional incrementa.
El reconocimiento facial es uno de los pocos métodos biométricos que poseen los méritos de alta precisión y baja tendencia a la intrusión. Tiene la precisión de un enfoque fisiológico sin ser intrusivo. Por esta razón, desde los años setenta el reconocimiento facial ha llamado la atención de los investigadores en los campos de seguridad, psicología, procesamiento de imágenes, hasta la visión por computadora.
Determinando las características proporcionadas, se diferencia la información requerida de personas, basadas en sus diferentes caras y cambios de geometría. Al final El reconocimiento da el patrón facial extraído de él. Características y comparación datos. Si ocurre un 90% de similitud, se devuelve la identidad del rostro, de lo contrario indica que es un Rostro desconocidos, en el marco aparecerá “unknown”.
Los algoritmos utilizados en los presentes papers fueron Haar Cascades, el cual inspecciona la imagen, haciendo un barrido de contornos, puntos, líneas y tonalidades de la imagen. El algoritmo Cascade Haar Classifier, también conocido como algoritmo de ViolaJones, es una aportación de Paul Viola y Michel Jones al mundo computacional de la detección de objetos. Este algoritmo dispone de un bajo coste computacional permitiendo que sea empleado en ejecuciones a tiempo real. La motivación de este desarrollo se vio iniciada por el problema de la detección de caras, siendo este uno de los campos donde más se emplea, pero podrá aplicarse a otras clases de objetos que estén caracterizados por patrones típicos de iluminación. El algoritmo se basa en una serie de clasificadores débiles denominados Haar-Like features que se calculan de forma eficiente a partir de una imagen integral. Estos clasificadores se agrupan en cascada empleando un algoritmo de aprendizaje basado en AdaBoost para conseguir una capacidad discriminativa en las primeras etapas logrando así un alto rendimiento. AdaBoost es un meta-algoritmo adaptativo de aprendizaje automático cuyo nombre es una abreviatura de adaptative boosting. Los Haar-Like features son los elementos básicos que utiliza el algoritmo para realizar la detección. Estas features son características simples que se buscan en la imagen y que consisten en la diferencia de intensidades luminosas entre las regiones adyacentes y que se definen sobre una ventana de búsqueda básica de 24x24 píxeles. De esta manera, los features quedan definidos por unos rectángulos y su posición relativa a la ventana de búsqueda adquiriendo un valor numérico que es el resultado de la comparación que evalúan.
Los resultados de las pruebas mostraron que hubo un 96% y 88% de acierto en la detección del rostro en dos grupos de personas que utilizaron el sistema de reconocimiento facial, basado en 50 imágenes que se evaluaron, en la Universidad Técnica de Munich.
Con esto se aprecia que hubo una adecuada clasificación de las imágenes, asimismo un correcto entrenamiento del sistema de reconocimiento facial. En este proceso, el vector de características de la prueba se compara con la base de datos, Si representa una medida de igualdad de personal, pero si no es otro asunto en las personas.
Como conclusiones se tiene que, en los estudios realizados, se obtiene aproximaciones muy buenas acerca de la precisión del reconocimiento facial, en la que las personas son detectadas correctamente, con valores muy considerables, que ayudan a identificar correctamente a la persona a la que se le está sometiendo con el sistema de reconocimiento facial.



Referencias:
• https://www.redalyc.org/pdf/5075/507550782006.pdf
• https://www.redalyc.org/pdf/849/84903801.pdf