Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice [ocultar]
1 Introduccin
2 Aplicaciones
2.1 Aplicaciones Actuales
2.2 Posibles aplicaciones futuras
3 Funcionamiento
4 Tcnicas y algoritmos
4.1 Tcnicas Tradicionales
4.1.1 Holsticos
4.1.2 Locales o geomtricos
4.2 Tcnicas 3D
4.3 Tcnicas de anlisis de la textura de la piel
5 Reconocimiento basado en video
6 Aspectos tcnicos
6.1 Debilidades
6.1.1 Problema de iluminacin
6.1.2 Problema del cambio de pose
6.2 Efectividad
6.3 Privacidad
7 Evaluacin
8 Mejoras recientes
9 Referencias
10 Enlaces Relacionados
11 Bibliografa
12 Enlaces externos
Introduccin[editar]
El reconocimiento facial se ha convertido en los ltimos aos en una rea de investigacin
activa que abarca diversas disciplinas, como procesado de imgenes, reconocimiento de
patrones, visin por ordenador y redes neuronales. Involucra tanto a investigadores del
rea de informtica como a neurocientficos y psiclogos. Se podra considerar tambin
dentro del campo de reconocimiento de objetos, donde la cara es un objeto tridimensional
sujeto a variaciones de iluminacin, pose, etc., y ha de ser identificada basada en su
proyeccin 2D (excepto cuando se utilizan tcnicas 3D).
Verificacin o autentificacin de caras: compara una imagen de la cara con otra imagen con
la cara de la que queremos saber la identidad. El sistema confirmar o rechazar la
identidad de la cara.
Identificacin o reconocimiento de caras: compara la imagen de una cara desconocida con
todas las imgenes de caras conocidas que se encuentran en la base de datos para
determinar su identidad.
Por su naturaleza amigable, este tipo de sistemas siguen siendo atractivos a pesar de la
existencia de otros mtodos muy fiables de identificacin personal biomtricos, como el
anlisis de huellas dactilares y el reconocimiento del iris.
Aplicaciones[editar]
reas Aplicaciones especficas
Biometria
Licencia de Conducir, Programas de Derecho, Inmigracin, DNI, Pasaportes,
Registro de Votantes, Fraude
Seguridad de la informacin
Inicio de Sessin, Seguridad en Aplicaciones, Seguridad en
Bases de Datos, Cifrado de Informacin, Seguridad en Internet, Acceso a Internet, Registros
Mdicos, Terminales de Comercio Seguro, Cajeros Automticos
Funcionamiento[editar]
El proceso consta de cuatro mdulos principales:
fotometricas, como la iluminacin. Para normalizar las imgenes de caras, se pueden seguir
diferentes reglas, como la distancia entre las pupilas, la posicin de la nariz, o la distancia
entre las comisuras de los labios. Tambin se debe definir el tamao de las imgenes y la
gama de colores. Normalmente, para disminuir la carga computacional del sistema, se
acostumbra a utilizar imgenes pequeas en escala de grises. A veces tambin se realiza
una ecualizacin del histograma.
Extraccin de caractersticas: proporciona informacin para distinguir entre las caras de
diferentes personas segn variaciones geomtricas o fotomtricas.
Reconocimiento: el vector de caractersticas extrado se compara con los vectores de
caractersticas extrados de las caras de la base de datos. Si encuentra uno con un
porcentaje elevado de similitud, nos devuelve la identidad de la cara; si no, nos indica que
es una cara desconocida.
Los resultados obtenidos dependen de las caractersticas extradas para representar el
patrn de la cara y de los mtodos de clasificacin utilizados para distinguir los rostros,
pero para extraer estas caractersticas apropiadamente, hace falta localizar y normalizar la
cara adecuadamente.
Tcnicas y algoritmos[editar]
Tcnicas Tradicionales[editar]
Los mtodos de reconocimiento facial tradicional se pueden dividir en dos grandes grupos:
Holsticos[editar]
La tcnica PCA se considera una de las que proporciona un mayor rendimiento. Funciona
proyectando las imgenes faciales sobre un espacio de facciones que engloba las
variaciones significativas entre las imgenes faciales conocidas. Las facciones significativas
se llaman eigenfaces, ya que son los eigenvectors, o componentes principales, del conjunto
de caras. La proyeccin caracteriza la imagen facial de un individuo como la suma de los
diferentes pesos de todas las facciones y, de la misma manera, para reconocer una imagen
facial determinada slo har falta comparar estos pesos con aquellos de los individuos
conocidos previamente. No tiene en cuenta la informacin de qu imgenes pertenecen a
un mismo individuo. Es muy sensible a cambios en las condiciones de iluminacin en
diferentes imgenes de una misma persona.
El mtodo LDA permite utilizar la informacin entre miembros de la misma clase (imgenes
de la misma persona) para desarrollar un conjunto de vectores de caractersticas donde las
variaciones entre las diferentes caras se enfatizan mientras que los cambios debidos a la
iluminacin, expresin facial y orientacin de la cara no. Es decir, maximiza la variancia de
las muestras entre clases, y la minimiza entre muestras de la misma clase.
La tcnica FLD es equivalente al LDA. Los resultados obtenidos con FLD son bastante
mejores que los que podemos obtener con PCA, sobre todo cuando las condiciones
lumnicas varan entre el conjunto de imgenes de entrenamiento y de test, y tambin con
cambios de expresin facial, dando ms peso a zonas como los ojos, la nariz o las mejillas
que a la boca, porque son zonas ms invariables en las diferentes expresiones que puede
tener una persona.
Otros mtodos, en vez de utilizar subespacios faciales, siguen una clasificacin por redes
neuronales y plantillas deformables, como EGM - Elastic graph matching.
Locales o geomtricos[editar]
Se comparan diferentes caractersticas geomtricas de las caras. Existen dos divisiones, la
basada en los vectores caractersticos extraidos del perfil, y la basada en los extraidos a
partir de una vista frontal. Se utilizaba mucho anteriormente pero sus resultados no son
ptimos.
Tcnicas 3D[editar]
ltimamente ha incrementado la tendencia del reconocimiento facial tridimensional, donde
se utilizan imgenes 3D tanto en el entrenamiento como en el reconocimiento. Esta tcnica
utiliza sensores en 3D para captar informacin sobre la forma de la cara. Esta informacin
se utiliza posteriormente para identificar rasgos caractersticos del rostro como por ejemplo
la barbilla, el contorno de los ojos, la nariz o los pmulos, y reteniendo informacin espacial,
a parte de la textura y la profundidad. Una ventaja del reconocimiento facial en 3D es que
no les afectan los cambios de iluminacin, como pasa en el caso de otras tcnicas. Adems,
otro punto a favor es que pueden reconocer una cara en diferentes ngulos, incluso de
perfil. El problema es que es difcil obtener imgenes 3D fidedignas en la fase de
reconocimiento, ya que los sensores 3D tienen que estar muy bien calibrados y
sincronizados para adquirir la informacin correctamente. Es por eso que se utiliza el
mtodo de Anlisi de Components Principals Parcial (P2CA - Partial Principal Component
Analysis), derivado del PCA, donde se utilizan imgenes en 3D en la fase de entrenamiento
y en la base de datos, pero en la fase de test puede utilizar tanto imgenes en 2D como en
3D. La tcnica intenta reconstruir modelos faciales en 3D a partir de mltiples imgenes de
la misma persona adquiridas mediante un sistema multicmara o a partir de aparatos 3D.
Las imgenes 3D son imgenes de 180 en coordenadas cilndricas. Otros ejemplos de
tcnicas 3D son 3-D Morphable Model i 3-D Face Recognition.
Baja calidad de video: normalmente la grabacin se hace en la calle, con una iluminacin
inadecuada y, adems, las personas no son colaborativas, en el sentido de que no ayudan a
ser reconocidas. Para solucionarlo, se pueden aplicar tcnicas de superresolucin.
Imagen pequea de la cara: debido a las condiciones de adquisicin de la imagen, el
tamao de la cara suele ser ms pequeo que los que hay en la base de datos. Eso no slo
hace que la tarea sea ms difcil, si no que tambin afecta a la exactitud del proceso de
segmentacin, as como a la deteccin de los puntos ms importantes utilizados en el
reconocimiento.
Hay aplicaciones en las que da buenos resultados, como en sistemas de control de acceso y
en cajeros, donde el video se adquiere en un ambiente relativamente controlado y el
tamao de la cara es aceptable. En estos casos, el reconocimiento basado en video ofrece
algunas ventajas respecto el basado en imgenes:
Principalmente, podemos distinguir dos problemas que causan una seria degradacin del
rendimiento en la mayora de los sistemas existentes:
Problema de iluminacin[editar]
Los cambios provocados por la iluminacin son normalmente ms grandes que las
diferencias entre personas, causando a los sistemas basados en comparacin a equivocarse
al clasificar las imgenes de entrada. Se han propuesto algunas soluciones basadas en el
conocimiento, en particular teniendo en cuenta que todas las caras pertenecen a una
misma clase. Estas tcnicas estn divididas en 4 tipos:
Mtodos donde la base de datos incluye imgenes de una persona en diferentes poses.
Mtodos hbridos, donde hay disponibles diferentes imgenes por persona durante el
entrenamiento, pero slo una por persona en el reconocimiento. Es la ms utilizada.
Mtodos basados en una nica imagen, donde no hay entrenamiento. No es popular.
Efectividad[editar]
Segn un estudio reciente,6 el reconocimiento facial automtico da mejores resultados que
en los humanos, pero todava no hay una tcnica que proporcione una solucin robusta
para todo tipo de situaciones y para las diferentes aplicaciones que lo puedan necesitar.
Segn la revista 'Science', utilizar imgenes compuestas por varias fotografas adquiridas
en diferentes ngulos de una misma persona permite que el rendimiento del algoritmo
llegue hasta un 100% en el mejor de los casos. Este es el resultado de estudios de
psiclogos de la Universidad de Glasgow, donde se est tratando el tema y se ha llegado a
la conclusin de que este nuevo sistema emula una de las claves de la capacidad humana
para reconocer rostros. Aun as contina sin poder distinguir entre diferentes expresiones
faciales.
Privacidad[editar]
Aunque esta tecnologa nos aporta grandes beneficios, se cuestiona moralmente la
privacidad del sujeto. Lo que a simple vista se considera como un avance tecnolgico se
puede convertir en un arma. Dependiendo de su uso se puede controlar toda una sociedad
entera sabiendo en todo momento donde se encuentran y qu estn haciendo.
Evaluacin[editar]
Dada la gran cantidad de teoras y tcnicas aplicables a el reconocimiento facial, son
necesarias una clara evaluacin y una comparativa para estos algoritmos. Para que sean
factibles, se han de utilizar grandes cantidades de imgenes para una evaluacin
adecuada. Tambin es muy importante que la muestra sea estadsticamente lo ms similar
posible a las imgenes que surgen en la aplicacin que se est considerando. La
puntuacin ha de realizarse de manera que refleje el coste de los errores de
reconocimiento. Recordemos que los resultados dependen mucho de la aplicacin que
tratamos, as que no podemos extrapolar los resultados para otras aplicaciones.
Existen extensas bases de datos pblicas disponibles, as como protocolos de test, para
probar las aplicaciones del reconocimiento facial. Uno de ellos es el protocolo FERET, cuyo
objetivo es proporcionar un marco de actuacin que modele una configuracin en tiempo
real y reunir una extensa base de datos con imgenes de caras para poder desarrollar
algoritmos y evaluarlos. Es el que se utiliza en el FRVT (Face Recognition Vendor Test).
Base de Datos
AR
BANCA
208
CAS-PEAL
66-1040
21
9-15 6
116
12
CMU Hyper 54
1-5
CMU PIE
68
13
43
Equinox IR
91
FERET1199 9-20 2
Harvard RL 10
77-84 1
KFDB 1000 7
16
MIT
15
MPI
200
300+ 1
ND HID
10/13
Tiempo
NIST MID
1573 2
ORL
10
UMIST20
U. Texas
284
U. Oulu
125
16
XM2VTS
295
Yale
15
Yale B 10
64
Mejoras recientes[editar]
A mediados del 2006, en el Face Recognition Grand Challenge (FRGC) se evaluaron los
ltimos algoritmos de reconocimiento facial. Escanners faciales 3D, imgenes de rostros de
alta definicin y del iris fueron utilizadas en los tests. Los resultados indicaron que estos
nuevos algoritmos tienen 10 veces ms exactitud que los algoritmos con fecha anterior a
2002, y 100 veces ms que los de 1995. Estos algoritmos son tan precisos que son capaces
de reconocer a dos gemelos idnticos.
Otra mejora reciente es que las imgenes de baja resolucin actualmente ya no son un
problema porque pueden ser tratadas a partir de la superresolucin del rostro, conocido
como Face Hallucination. Igualmente, la instalacin de cmaras de alta definicin est en
proceso.