Documentos de Académico
Documentos de Profesional
Documentos de Cultura
I. INTRODUCCIN
diferentes
condiciones
de
iluminacin,
maquillaje,
expresiones, etc. En dicho mtodo, los descriptores faciales
3D que fueron extrados de los mallados de las superficies. La
ventaja de dicho mtodo, es que el anlisis de dichos
descriptores es invariante a trasformaciones geomtricas. Otra
propuesta interesante es el presentado por P. Rivas [2], quien
despus de analizar las metodologas existentes plantea nuevas
metodologas basadas en redes neuronales y lgica difusa que
no se ven afectadas por ambientes no cooperativos ni en
condiciones difciles de iluminacin. En [3], A. Cern
presenta un anlisis y comparacin entre los posibles
descriptores, y determina por medio del anlisis discriminante
de Fisher cul de los descriptores brinda informacin ms
relevante a la hora de aplicar reconocimiento facial.
Finalmente, C. Conde y E. Cabello [4], proponen un sistema
de verificacin facial multimodal utilizando caractersticas
bidimensionales y tridimensional.
Aunque las caractersticas faciales 3D se perfilan como la
mejor alternativa para reconocimiento robusto de rostros, la
adquisicin de las imgenes 3D requiere de hardware y
software especializado de alto costo. En este trabajo se explora
una alternativa de menor costo usando un sensor genrico de
reciente introduccin en el mercado, se trata del sensor Kinect
empleado en las consolas de videojuego Xbox 360. Por
consiguiente, este proyecto plantea la exploracin de mtodos
de reconocimiento facial empleando caractersticas 3D que
son extraidas de la informacin entregada por el sensor Kinect
y la Application Programming Interface (API) Kinect 1.0 de
Microsoft. En este sentido, este artculo describe la
implementacin de diferentes mdulos desarrollados para la
adquisicin, deteccin y segmentacin de imgenes para la
extraccin de caractersticas faciales representativas, y la
respectiva clasificacin por medio de anlisis de componentes
principales (PCA).
II. MARCO TERICO
En esta seccin se describe brevemente la terminologa
empleada a lo largo del artculo y las caractersticas de las
libreras de software que se emplearon en este artculo.
A) Kit de Desarrollo de Software (SDK: Software
Development Kit) para Kinect
Como se indic anteriormente, para la adquisicin de las
imgenes que son empleadas para extraer la informacin en
3D de los rostros se emple un sensor Kinect. Dicho sensor se
manipula por medio de una librera libre denominada SDK del
Kinect diponible en el portal de Internet de Microsoft
B) Libreras MEX
La captura de imgenes desde el sensor Kinect se hace a
travs del SDK de Kinect empleando funciones escritas en
lenguaje C. Sin embargo, el anlisis de dicha informacin es
ms fcil de realizar en un entorno de programacin tal como
Matlab. Por esta razn fue necesario escribir una librera MEX
que hace de puente entre las rutinas de adquisicin escritas en
C y el cdigo de la aplicacin escrito en Matlab.
Las libreras MEX o MEX files son funciones escritas en
lenguaje C que se compilan de una forma especial desde el
entorno de Matlab y que pueden ser usadas por cualquier
aplicacin escrita en Matlab. Los parmetros de una funcin
en Matlab se pasan como punteros especiales del tipo
mexArray, a cuyos elementos es necesario acceder con
funciones especiales tales como mxGetPr, que acceden a las
matrices como vectores lineales [9].
C) Anlisis de Componentes Principales
Principal Component Analysis)
ColorStream[11]
Funcin utilizada para realizar la
captura en color RGB.
DepthStream[12]
Funcin utilizada para realizar la
captura de profundidad
NuiShutdown[13]
Funcin utilizada para terminar
los procesos del Kinect
(PCA:
Fotos
2
3
3
3
3
1
Condiciones
Cabello suelto, sin gafas, sin sombrero
Cabello suelto, con gafas, sin sombrero
Cabello suelto, con gafas, con sombrero
Fotos
3
3
3
3
3
Condiciones
Sin gorra, sin gafas, sin sombrero
Sin gorra, con gafas, sin sombrero
Sin gorra, con gafas, con sombrero
Con gorra, sin gafas, sin sombrero
Con gorra, con gafas, sin sombrero
Tasa de falsos
positivos
Alejandra
0,541
Tasa de
verdaderos
positivos
0,60
lvaro
0,52
0,48
Ana
0,52
0,48
Any
0,48
0,52
Diego
0,48
0,52
Eider
0,48
0,52
German
0,56
0,44
Gloria
0,52
0,48
Jaime
0,68
0,32
Jhe
0,56
0,44
Ligia
0,48
0,52
Lina
0,52
0,48
Mary
0,52
0,48
Sara
0,60
0,40
Beatriz
0,56
0,44
Viki
0,52
0,48
Virginia
0,60
0,4
Precisin
0,40
VI. CONCLUSIONES
Tasa de falsos
positivos
Alejandra
0,313
Tasa de
verdaderos
positivos
0,32
lvaro
0,36
0,64
Ana
0,40
0,60
Any
0,28
0,72
Diego
0,32
0,68
Eider
0,32
0,68
German
0,36
0,64
Gloria
0,28
0,72
Jaime
0,24
0,76
Jhe
0,24
0,76
Ligia
0,36
0,64
Lina
0,28
0,72
Mary
0,28
0,72
Sara
0,28
0,72
Beatriz
0,36
0,64
Viki
0,32
0,68
Virginia
0,32
0,68
Precisin
0,68
REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
[14]
[15]
Viki
Virginia
0
1
Sara
3
2
1
1
3
2
1
3
1
Mary
0
3
0
1
2
8
1
3
2
1
2
0
0
0
Lina
0
2
0
0
8
1
2
0
0
0
1
2
2
0
1
1
2
Ligia
Eider
0
1
1
7
2
2
1
Jhe
Diego
3
1
10
2
2
3
0
1
1
0
2
2
2
1
1
0
0
Jaime
Any
1
9
0
2
4
2
0
2
2
1
1
0
1
0
2
1
0
Gloria
Ana
8
0
2
1
1
1
0
1
0
2
0
3
0
2
1
0
2
Alejandra
lvaro
Ana
Any
Diego
Eider
German
Gloria
Jaime
Jhe
Ligia
Lina
Mary
Sara
Beatriz
Viki
Virginia
German
lvaro
Actual
Alejandra
Prediccin
1
1
1
0
2
1
9
1
3
2
0
3
3
1
0
1
7
0
2
1
1
0
0
2
2
3
0
3
0
0
0
1
2
2
6
1
0
0
0
0
2
1
1
2
0
0
2
0
0
6
0
2
2
0
1
2
0
0
2
1
1
1
0
3
1
2
3
9
1
0
3
2
2
2
2
0
4
2
0
1
1
0
2
0
1
7
3
2
1
1
0
1
0
2
0
2
1
0
1
1
0
1
1
1
1
0
1
1
0
7
0
1
1
2
0
0
1
0
1
1
1
3
2
3
0
3
2
9
1
0
1
1
0
1
0
1
0
1
0
3
0
2
0
3
1
8
3
1
0
1
0
2
0
1
2
0
1
1
1
0
0
1
1
8
0
0
2
3
1
1
0
0
1
0
1
1
2
0
7
0
2
2
0
Actual
Alejandra
lvaro
Ana
Any
Diego
Eider
German
Gloria
Jaime
Jhe
Ligia
Lina
Mary
Sara
Beatriz
Viki
Virginia
Prediccin
Alejandra
15
lvaro
13
Ana
13
Any
12
Diego
12
Eider
12
German
14
Gloria
13
Jaime
17
Jhe
14
Ligia
12
Lina
13
Mary
13
Sara
15
Beatriz
14
Viki
13
Virginia
15