Instituto tecnolgico

superior de Coatzacoalcos
Materia: Tecnologas innovadoras
Tema: Reconocimiento de rostro
Nombre de la carrera: Ingeniera en informtica
Catedrtico: ISC: Lizbeth Hernndez Olan
Alumnos: Gilberto Leonel Pieyro Castillo
Grado: 9 Grupo: B
Fecha: 09 de Diciembre del 2015
1

RECONOCIMIENTO DE ROSTRO
La tecnologa de reconocimiento facial no es
precisamente un fenmeno nuevo, a pesar de todos los
titulares recientes. Los primeros experimentos con esta
tecnologa se remontan a la dcada de 1960, aunque, en
aquel entonces, la investigacin para comenzar con su
desarrollo se mantuvo en secreto.
Si bien hoy en da la ciencia detrs del software es
mucho ms matemtica, automtica y cuenta con el
respaldo de los potentes equipos sofisticados actuales, los
primeros modelos requeran un mayor nivel de intervencin
humana y, por lo tanto, eran automatizados solo en forma
parcial.

La tecnologa inicialmente captur la atencin del

pblico a partir de la reaccin de los medios a una prueba
de implementacin en el Super Bowl de la NFL en enero de
2001, la cual captur imgenes de vigilancia y las compar
con una base de datos de fotoarchivos digitales.
Esta demostracin inici un muy requerido anlisis
sobre cmo usar la tecnologa para satisfacer necesidades
nacionales, mientras se tomaban en consideracin las
preocupaciones sociales y de privacidad del pblico. Hoy la
tecnologa de reconocimiento facial est siendo utilizada
para combatir el fraude de pasaportes, soporte al orden
pblico, identificacin de nios extraviados y minimizar el
fraude en las identificaciones.

COMO SE LOGRA LA IDENTIFICACIN DE

ROSTROS?
Hay dos enfoques predominantes en el problema de
reconocimiento facial: El geomtrico (basado en rasgos) y el
fotomtrico (basado en lo visual).
Conforme a que el inters investigador en
reconocimiento facial continu, fueron desarrollados
muchos algoritmos diferentes, tres de los cuales han sido
bien estudiados en la literatura del reconocimiento facial:

Analisis

de
componentes
Components Analysis, PCA),

principales

(Principal

Anlisis lineal discriminante (Linear Discriminant Analysis,

LDA), y

Correspondencia entre agrupaciones de grafos elsticos

Elastic Bunch Graph Matching, EBGM).

ANLISIS DE COMPONENTES PRINCIPALES

(PRINCIPAL COMPONENT ANALYSIS, PCA)
Con PCA, el sondeo y la galera de imgenes deben
ser del mismo tamao y deben ser normalizadas
previamente para alinear los ojos y bocas de los sujetos
en las imgenes. La aproximacin de PCA es luego
utilizado para reducir la dimensin de los datos por
medio de fundamentos de compresin de datos y revela
la mas efectiva estructura de baja dimensin de los
patrones faciales.
,
Esta reduccin en las dimensiones quita informacin
que no es til y descompone de manera precisa la
estructura facial en componentes ortogonales (no
correlativos) conocidos como Eigenfaces. Cada imagen
facial puede ser representada como una suma
ponderada (vector de rasgo) de los eigenfaces, las
5
cuales son almacenadas en un conjunto 1D.

Una imagen de sondeo es comparada con una

gallera de imgenes midiendo la distancia entre
sus
respectivos
vectores
de
rasgos.
La
aproximacin PCA tpicamente requiere la cara
completa de frente para ser presentada cada vez;
de otra forma la imagen dar un resultado de bajo
rendimiento.
La ventaja primaria de esta tcnica es que puede
reducir los datos necesarios para identificar el
individuo a 1/1000 de los datos presentados

ANLISIS LINEAL DISCRIMINANTE (LINEAR

DISCRIMINANT ANALYSIS, LDA)
LDA es una aproximacin estadstica para
clasificar muestras de clases desconocidas basadas
en ejemplos de entrenamiento con clases
conocidas. Esta tcnica tiene la intencin de
maximizar la varianza entre clases y minimizar la
varianza de cada clase. Cuando se trata con datos
faciales de alta dimensin, esta tcnica enfrenta el
problema de muestras de tamao pequeo que
surge donde hay un numero pequeo de ejemplos
de entrenamiento comparados a la dimensionalidad
del espacio de muestra.
7

CORRESPONDENCIA ENTRE AGRUPACIONES DE GRAFOS

ELSTICOS ELASTIC BUNCH GRAPH MATCHING, EBGM)
EBGM tiene en cuenta que las imgenes faciales
reales tienen muchas caractersticas no lineales que no
son tratadas en los mtodos lineales de anlisis
discutidos previamente, tales como variaciones en la
iluminacin (Iluminacin de exteriores vs. Interior
fluorescente), postura (frontal vs. inclinada) y expresin
(sonrisa vs. ceo fruncido).
Este mtodo biolgicamente basado utilizando filtros
Gabor es un proceso ejecutado en la corteza visual de los
mamferos ms grandes. La dificultad con este mtodo
es el requerimiento de la precisa localizacin del punto
de referencia el cual puede ser algunas veces logrado
combinando los mtodos PCA y LDA.
8

Una ondeleta de transformacin Gabor crea

una arquitectura de enlace dinmico que
proyecta el rostro sobre la planilla elstica. El Jet
Gabor es un nodo en la planilla elstica,
manifestado por crculos en la imagen debajo. El
cual describe el comportamiento de la imagen
alrededor de un pxel.
Este es el resultado de una convulsin de la
imagen con un filtro Gabor, el cual es usado para
detectar
formas
y
extraer
caractersticas
utilizando procesamiento de imagen.

APLICACIONES ACTUALES
Se utiliza principalmente en sistemas de seguridad
para el reconocimiento de usuarios. En estos sistemas se
utiliza un lector que define las caractersticas del rostro,
y cuando este solicita el acceso, se verifica comparando
los datos obtenidos con la base de datos. Sin embargo,
estos sistemas no son tiles a largo plazo ya que, a
medida que pasan los aos, los rasgos faciales varan y
al solicitar el acceso ya no coinciden con la imagen en la
base de datos.
Tambin se utiliza en aplicaciones de interaccin
persona-ordenador, en gestin multimedia, y en software
como Google's Picasa, Apple iPhoto, Sony's Picture
Motion Browser (PMB), Facebook y Asus Smart Logon.

10

Gracias por su atencin

11