Reconoci

mient
oFaci
alconGUIdeMat
lab
Agui
rr
eBar
ri
onuev
oDi
ego,
Ser
naquéHui
manJuan,
Tapi
aAgui
l
arRut
h
Facul
taddeIngenierí
aEl
ectr
ónica,El
éctr
icayTel
ecomuni
caci
ones
Uni
versidadNaci
onalMay ordeSanMarcos
Li
ma, Perú
di
ego.
agui
rr
e@unmsm.
edu.
pe,
12190256@unmsm.
edu.
pe,
rut
h.t
api
a@unmsm.
edu.
pe

Resumen-Enest edocument opr esent amoseldesar rolloe respuestaencuant oapr ecisión.

i
mpl ement acióndeunsi stemadeReconoci mi entofacialen Lat endenci amásr ecienteeselmét odoqueut i
li
za
Mat labmedi anteelusodeGUIpar aunf ácilmanej o.Est e cámar as 3D. [ 2]. Así pues, en est e pr oyecto
proy ecto estádi vidido ent resmódul os.Elpr i
mermódul o presentamosunai mpl ement acióndeunpr ogramaque
per t
enece a l a det ección f acial,elsegundo abar ca el
segui mientof acialyenelt erceroelr econoci mientof acial.
nosper mi t
ir
ár ealizarlai dent i
ficaciónf acialapar tirde
Par aladet ecciónysegui mientof acialseusar ánelalgor i
tmo unai magenent iempor eal.Usandopar ael loalgori
tmos
Viola-Jones yelf i
l
t r
o Sobel .Asi mismo,par a elpost eri
or mat emáticos par al as di stintas et apas delpr oceso.
reconoci mient ofaci alacopl amosunabasededat osl ocal Existendiferentesal gorit
mospar arealizarest astareas
usandoelal gor i
tmoEi genfaces.Par ater mi
narnosapoy amos yl os usar emos t eniendo pr esentel as v entaj
as y
en eluso de una base de dat os My sqlpar a contarcon desv ent
ajasdecadauno.I nclusive,exi stenf unciones
i
nf ormaci ónadi cionalalr egistrodel abasededat osl ocal yadi señadasper tenecient esal ost ooÓboxdeMat l
ab
menci onadaant eriorment e. quenosper mi t
iránusarest osdi fer
ent esal gorit
mosen
Obt eniendo f inal
ment e,de l ai mpl ement ación de est os pocasl í
neasdecódi go.
algor i
tmos,un r econoci miento f acialsuj eto a di v
er sos
factoresdelent ornocomol al umi nosidadyl adi st
ancial os II
.MARCOTEóRI CO
cual espodr í
angener arunmar gendeer ror
,elcualbuscamos
sea mí nimo est abl ecienÓo una mi sma di stancia y ni vel En est a part
e present
aremos un est udio de l
os
l
umi nosidadpar acadausuar io. diferentes algori
tmos de detección e identi
fi
caci
ón
facial par a most rar sus car act
eríst
icas y
Pal
abr
asClave— Reconoci
mient
ofaci
al,
Det ecci
ónfaci
al, consi deraci
onesparalaimplementación.
Al
gori
tmoViol
a-Jones,Algor
it
moEigenfaces,Fi
lt
roSobel,
Mysql
,Bi
ometrí
a A. Detecciónysegui mientof aci
al
Paral ograrlai dentif
icación faci
alelpri
mer
I
.I NTRODUCCIóN pasoesdet ectarunr ostro,usandolosi
gui
ente:
Elr econocimi entof acialesunmét odobi ométri
co 1. Algori
tmoVi ola-Jones
par alai denti
fi
cacióndei ndiv
iduosenbaseaci ert
as
car acterísti
casf aci
ales.Hoyendí aexistennumer osas
aplicaci ones pr áct
icas l as cuales abar can muchas
disciplinas como por ej empl o las que est án Fi
g.1.Et
apasdelal
gor
it
moVi
olaJones
relacionadas con l a segur i
dad. De maner a más
concr eta,par a eluso en elr econocimiento sobre Comosei l
ust r
aen[ 3,Fig.1] ,podemosv erlaset apas
retratospol ici
ales,vigil
anciadev ideo,etc.Sinembar go, enl asquesedesar r
ollaVi ol aJones.Est ealgoritmof ue
tambi ént i
eneusost anbási coscomoeldesbl oqueode creadoporPabl oVi olayMi chaelJonesenelaño2001.
un smar t
phone. Sea cual sea l a apl i
caci
ón, el Proponenunmét ododeapr endi zajeaut omát icopar a
reconoci mient
of acialpr ovee una mej orinteracci
ón detección v i
sualde obj et os,elcual ,es capaz de
ent relasmáqui nasyl asper sonas.[1] procesar i mágenes muy r ápi dament e y l ogr
ar
promedi os muy al tos de det ección de obj etos en
A pesardeunaument o progr esiv
o desuuso,l a ti
empor eal.
detección, seguimi
ento y r econoci mient
o f acial ● I nt egraldel ai magen
continúansiendounv erdader or eto.Estoapar ti
rde Elconcept o dei mageni ntegr alper mitehacerl os
queseenf rent
anadifer
ent escondi cionesdecapacidad cálculos muy r ápidament e, a t ravés de una
depr ocesamiento,memor ia,velocidad,sensibi
l
idada tr
ansf ormaciónpr eviaat odosl ospí xelesdel aimagen,
cambi os en l
a cara yv ariabi
li
dad de l as i
mágenes conelobj et
ivodegener arunamat rizsobr elacualse
uti
l
izadas.[1] van a r eali
zar l os cál cul os al r ecor r
er di versas
máscar as de di fer entes escal as sobr el ai magen
Adicionalmenteael lo,almoment odeobtenerl as l
lamadascar acterísticasHaar -
Like.
caracterí
sticasquer epresentanal osdisti
ntosrostros Laimageni ntegr alenl aubi caci ón( x,y)cont ienela
tambiéni ntervi
enenf actoresquepuedeni nfl
uirenel sumadel ospí xelesporenci mayal ai zquierdade( x,
y)
procesami entodel asimágenest alescomol osniveles i
ncluy éndoseenl aecuaci ón( 1)dondeser epresenta
deluz,distancia,expresionesyposes.Esporest oque estepr oceso.[
3]
mientrastengamosunmej orper
iféricopar
aobt enerla
captura de l as imágenes t endr emos una mej or

1
 i
i
(x,
y) ∑i(x,y)…(1)
'
x≤x
, '
y≤y
'' decómo act
apl
ica un cl
úaAdaboost
asificadorsi
.En elpr
mpl
i
merconj unt
e basado en una sol
o se
a
caracterí
sti
ca,elcualsepar alasmuest rasposi ti
vasy
Dondeii(x,y)esl ai magenintegralei(x,y
)esla negativas,asílasmuest r
asmalcl asif
icadasaument an
i
magenor igi
nal.Usandol asecuaciones(2)y(3)par
a supesopar aqueelpr óxi
mocl asif
icadorl edémay or
cal
cularl
asumar ectangular. i
mpor tancia;enelsegundoconj untoseapl icaunnuev o
s(x,)=s(
y x,
y1)+i
- (x,
y)…(2) cl
asifi
cadorelcualsepar aaquellasmuest rasquenose
ii
(x,y)=i (
ix-1,
y)+s(x,
y)…(3) hancl asifi
cadocor rectamenteysucedeenelt ercer
conjunto, habi endo i denti
fi
cado cuál es son l as
muest rasposi t
ivasynegat i
vas;f i
nalment eenelúl t
imo
conjunto se combi nan t odos l os cl asif
icadores
obteniendounnuev ocl asi
fi
cador ,determinandoconl a
Enlafi
gur
a2,lapri
meratablaeslaImagenOri
ginaly
may oríadeclasificacionespositivaslazonaópt i
ma.[3]
l
a segunda es l
aI magen Integr
al,r
esult
ado de la
apl
icaci
óndelaI
ntegr
aldel
ai magen.
● Clasifi
cadoresenCascada
Es una apl i
caci
ón secuenci al de clasi
ficadores
entrenadosconadaboost ,
unai magenseráúnicament e
detectadacomocar asolosi ,f
ueaceptadaport odos
. l
oscl asif
icador
es,casocont r
ari
osialmenosunonol a
Fi
g.2.I
magenOr
igi
nalv
sImagenI
ntegr
al
reconocióesautomát i
cament eel
i nada.
mi
● Car acterí
sti
casHaar
Según Joaquí n Pl anel
ls( 2009)las car acterísti
cas
ti
poHaarsedef inensobr er egionesrectangul aresde
unai magenenescal adegr i
ses,permi t
iendoev aluary
obteneri nformacióndezonasespecí fi
casquepuedan
cont ener par t
es de un r ostro, medi ante f ormas
geomét ri
cas asi gnadas par a reali
zar oper aciones
mat emát icas simpl es. Está compuest a por t r
es
caract er
ísti
cas Haar :Dos r ectángul
os ( hor i
zont al-
verti
cal )
,Tr es rect ángul
os ( hori
zontal-v erti
cal)y
Cuat ror ectángulos.Asípues,elv al
orescal arse
obtienedel adi fer
enci aentrel asumadepí xelesde
rectángulos bl ancos y l a suma de pí xel es de Fi
g.5.Est
ruct
uradelSi
stemaCl
asi
fi
cadorenCascada
rectángulosnegr osdent rodel azonaasignada. [3]
Comosei lust
raen[ 4,Fi
g.5],elobj
eti
v odecadaet apa
esdiscri
minardeterminantementelosf al
sospositiv
os
(i
mágenessi ncara),apli
candoclasif
icadoresencada
unasumandoelr esult
adodel osmismos, ysedescarta
l
ai magen sies i nferi
or alumbr alde l a etapa;
obteni
endounamej orefectiv
idaddedet ecci
ónalhaber
Fi
g..3.Car
act
erí
sti
casHaar
-Li
ke atr
avesadotodaslasetapas.
Comopodemosapr eci
aren[
3,Fi
g.3]
,semuestr
anlas ● Detección
car
acter
íst
icas t
ipo Haarde 2,3 y 4 r
ectángul
os Fi
nalmenteenladetecci
ónsehaceelprocesamient
o
def
ini
dasporViol
ayJones. delaimagenconl
alocali
zaci
óndel
rost
rodet
ectado.[
5]
● Adaboost
Esun al gori
tmo entr
enadorde clasifi
cador
esque 2. Filt
roSobel
permiteobtenerunnuev omásr obusto,queaceler
ela Ladet eccióndebor desesunpasoi mpor tanteenest e
detecciónderostr
osenlai magen.Secreaabasedel a ti
podet écnicas.Par adet ectarbor desseusanv ari
os
apl
icación de f il
tr
os si mples selecci
onando las ti
pos de oper adores como eloper adorde Sobel .
caracterí
sti
cas más rel
evant
es de una imagen para Calculaelgr adi
entedel aintensidaddeunai magenen
i
dent i
fi
carzonasquecontenganrostr
o. cadapunt o( pi
xel).Así ,paracadapunt o,ent regala
magni tuddelmay orcambi oposibl e,per osi empr econ
elresul t
adodeenf atizarlosbor desquer odeanaun
objeto en una i magen,par a hacer l
o más f ácilde
anali
zar .Est osf i
l
trost í
picament ecr eanunai magen
conf ondogr isylíneasbl ancasynegr asr odeandol os
bordesdel osobjet osycar acterísticasdel aimagen.
Fi
g.4I
ter
aci
onesdelal
gor
it
moAdaboost
Usando l a ecuación ( 4)podemos i mplement arest e
Ser
epr
esent
aen[
3,Fi
g.4]unamuest
raen3pasos fi
lt
ro.[
6]

2
 sea como per sona conocida o per sona
g(
x,)= α2+β2…(
y 4) desconocida.
Donde: ● Sil a misma car a desconoci
da es vi
sta en
α=(
A2+2A3+A4)(
-A0+2A7+A6)
…(5) repetidas ocasi ones, se cal cul
a sus
caracterí
sti
cas de pat rón de peso y se
β=(
A0+2A1+A2)-(
A6+2A5+A4)
…(6)
i
ncor poraenlascarasconocidas.
[8]
Si
endoAilospí
xel
esdel aventanaconl
asposi
ci
ones C. My
SQL-
Wor
kbench
mostr
adasenl
aexpresi
ón(7):
Enest epr oyectoestamosapoy ándonosenMy SQL

[ ]
A0 A7 A6 queesunaher ramientavi
sualdedi señodebasesde
A1 g(
x,y
) A5 …(
7) dat os que i nt
egra desar roll
o de sof tware,
admi ni
stracióndebasesdedat os,diseño,creacióny
A2 A3 A4 mant enimientopar aelsistemadebasededat os.Este
sof twar edaalusuar iolaposi bil
idaddemodel adode
dat os, desar r
ollo de SQL( lenguaje de consul t
a
est ructurÑdo) y her ramientas de admi ni
straci
ón
compl etas par a l a conf i
gur ación de ser vi
dores,
admi ni
stración de usuar i
os,copi as de segur i
dad y
mucho más. Además My SQL Wor kbench est á
disponi bleenWi ndows,Gnu/LinuxyMacOSX. [
9]

III
.DI SEñO
Para haceref ect i
v o elpr oyecto hemos usado el
Fi
g..6Apl
i
caci
óndelFi
l
troSobel sof t
war edeMat lab2017by aquecuent aconmay or
Enlail
ust
raci
ón[7,Fi
g.6],podemosvercomo facili
dadpar ai nstalarnuev ost oolboxenest av er sión.
semuest
raencambioant
elaapl
icaci
óndelfi
l
troSobel
. Asi mismo,desar rol
lamos una i nter f
az gr áf ica:GUI .
Tambi énestabl ecimosunabasededat osenMy SQL
B. Reconocimientofaci
al Wor kbenchensuv ersión8. 0.
Paral ogr
ar elr econoci
mient
of acialuti
l
izamos el Porot rol ado,par a est abl eceruna comuni cación
método de ei genface el cual será detal
l
ado a ent r
eelMat l
abyelMy SQLusamosundr iverl lamado
cont
inuaci
ón: ODBCconnect orensuv ersión5. 3,puest oqueenl a8. 0
habí aner r
oresenl aej ecuci ón.Eldesar rollodeest e
1. Mét odoEi genf aces: proy ecto se basó en l ai dea de l os si st emas de
Elmét ododeEi genf acesf uepl ant eadaenuni nicio vigil
ancia que se buscan i mpl ement aren di fer ent es
porSi r
ovichyKi r
by( 1987)conelnombr ede" eigen” países[ 10]yquei nclusoy aest ási endoi mpl ement ado
para elr econoci mi ento,l a pr i
nci palv irt
ud de est e comoesel casodeChi na.[ 11]
métodoesquesepueder epr esent arunconj untode Talcomoy asemenci onó, existendi fer ent escódi gos
i
mágenesut il
izandounabasef or madadei mágenes i
mpl ementados que se basan en l os di stint os
"ei
gen"cuy adi mensi ónesmuchomáspequeñaqueel algor i
tmosdedet ecci ón, segui mi entoyr econoci mi ent o.
conjuntoor i
gi nal(“
mét ododeei genf aces” ).
Esent onces Nosot ros usamos un códi go de det ecci ón y
queen1991Tur k& Pent landpr esent anunenf oque segui miento[ 12]f acialquef ueadapt adoanuest ras
donde r esal ta el r econoci mi ent o ( detecci ón e necesi dades y ot ro códi go que r eal i
za l as
i
dent i
fi
caciónder ostros)ent iempocasir eall l
amado compar aci
ones par a elr econoci mi ent o f aci alcon
“métododeei genfaces”elcualconst adeunconj unto i
mágenesdesdeunabasededat os[ 13] , yquel uegode
dev ectorespr opiospar aelr econoci mientodel acar a hacer l
el as respect i
vas modi fi
caci ones par a que se
humana.El pr ocesoder econoci mient oesel siguiente: adapt ara a nuest ro pr ogr ama de r econoci mi ent o en
● Seobt ieneelconj untodei mágenesdecar as ti
empo r ealf ue acopl ado en elmi smo.Asípues,
para el ent renami ent o y se cal culan l os podemosmost rarnuest rodi señoendoset apas:
eigenf acesl oscual esdef i
nen elespaci o de Primer aet apa:Tr aini ng
rostr os.
● Cuando se encuent ra una nuev a car a se
calcul anl ospesosbasadosenl ai magende
entrada y l os n ei genf aces pr oyect ando l a
imagen de ent r
ada en cada uno de l os
eigenf aces.
● Det er minarsiunai magenesunacar a,est ose
ll
eva a cabo alr evisarsil ai magen est á
sufici entement ecer caal espaci oder ostros.
● Siesunacar a,cl asifi
carelpat róndepesoy a

3
 Fi
g.7.Di
agr
amadelTr
aini
ng

Segundaet
apa:Reconoci
mient
oent
iempor
eal

Fi
g.12.Si
mul
aci
ón4

Enl asimulación1podemosv erlai

nterf
azgr áfi
cade
usuario con el menú pr incipal
,par a un manej o
asequibl
edel programa.Luego,enlassimul aciones2,3
y4;podemosv er,queef
ecti
vament eelprogramal ogr
a
detectar elr ostro en cada una de l as pr uebas,
asimismoconay udadelabasededat osest ableceun
Fi
g.8.Di
agr
amadeReconoci
mient
oent
iempor
eal reconocimientoencompar aciónaloalmacenado.

V.RESULTADOS
Eneldi
agrama1[ Fig.7]
,tenemosl aetapa“Trai
ning”
que es cuando se cr ean los usuar i
os y son -En l os pr imero códi gos de al gori
tmos que
al
macenadosenlaÓasededat oslocal.Eneldiagrama i
mpl ementamost uvi
mosunmar gendeer r
ormuy
2[Fi
g.7]
,“I
denti
fi
caciónent iempor eal
”,basadaenl os al
to,debi do a que se cont aba con una may or
al
gori
tmosanteri
orment emenci onadosyqueusal a canti
daddemuest rasporper sonaenl abasede
basededat
osenMy SQL. datosyf al
labacuandor eali
zabal ascompar aciones.
Porende, optamosporeldesar roll
odeunpr ograma
quesol oalmaceneunamuest r
aporper sonaenl a
base de dat os,per ot eniendo en cuent a que la
capturadeest aimagenseacuandoset engamay or
canti
daddepunt os( caracter
ísticas)enelr ost r
oy
I
V.SIMULACI
óN asípoderdiferenciarl
odel osdemás.
Compil
amosnuest
roprogramayobtenemosl
o -Losr esult
adosdel adi stanciaeucl idi
anamí ni
ma
si
gui
ente: cuandounusuar i
onoseencont rabaycuandose
encontraba en l a base dat os son l os que se
observanenl atabl a(1)
.

TABLAI
Resul
tadosdel
adi
stanci
aEucl
i
dianaMí
nimacal
cul
ada
Muest
ras Reconoce Noreconoce
1 5.4135e+16 1.
7237e+15
Fi
g.9.Si
mul
aci
ón1 2 5.6797e+16 2.
3667e+15
3 5.0580e+16 4.
5471e+15
4 4.9135e+16 4.
3303e+15
5 5.0145e+16 1.
9646e+15

Enbaseaest o,tambiénpudimosest abl

ecerun
condici
onalparaquecuandol apersonaqueapar ece
enl aimagenent i
empor ealnoestéenl abasede
datosaparezcacomounusuar i
o“desconocido”.
TABLAI I
Fi
g.10.Si
mul
aci
ón2
Result
adosdel reconoci
mientofacial
Cant
idaddeper
sonas
Pr
eci
sión
enl
abasededatos
2 95%
3 93.3%
4 91.6%
5 90%

Enlatabl
a( 2),
hemoshal l
adolaexact
it
udquetiene
nuest
ro pÁ ograma, rat
ifi
cando lo anteri
ormente
Fi
g.11.Si
mul
aci
ón3 mencionadoenel pr
imerresult
adoexpuest
o.

VI
.ANáLI
SIS

4
 -Par amej orarlaprecisiónydi smi nuirelmar gende Nacional deLaPl ata, Argent i
na,2003.
[
9] “ MySQLWor kbench” , Ubunt u,2017.
errorqueseobt i
enealt enerunamay orcantidadde
Avail
abl e: https://ubunl og.com/ my sql-
wor kbench-
bases-
muest rasporusuar io,enl abasededat ospodr ía datos/
desarrollar
se un códi go que per mita obtenerun [
10] “Reconoci mientoFaci alVideoVi gil
ancia”,MEGATELSRL, 2015.
promedi o de las caract erí
sti
cas de l as muest ras Avail
abl e:ht
tps://www. y outube.com/ wat ch?v=BO0L8hv YKsA
[
11] “Elreconocimi entof acialy anoesf i
cciónenChi na”,Af pes,
encadausuar i
oyenbaseael l
orealizarlarespectiva
2017.
compar ación. Avail
abl e:ht
tps://www. y outube.com/ wat ch?v=n1uzg_4kO_ c
-Enl osr esult
adosdel adi st
anciaEucl idi
anamí ni
ma [
12] “RealTi me Face Det ection And Recogni ti
on wi th HOG
vemosquehayunagr andi f
erenciacuandol afoto FeaturesandSVM “ , MehmetSoy daş,Turquia,2017.
[
13] RepositorioMat lab: FaceRecogni ti
onSy stem -ShahzadRaza
de l a persona que buscaba seri dentif
icada se
Avail
abl e:
htt
ps: //www. mat hwor ks.com/ matlabcentral
/fi
leexc
encontrabaenl abasededat os ycuandonol o hange/ 48722-face- r
ecogni t
ion-sy st
em
estaba.

VII.CONCLUSI ONES
-Respect oal av ersióndesof t
war emásconv eniente
para desar rollarun pr oyect o,det erminamos que
muchasv ecesest aspueden no serest ablesdel
todo.Especi al ment ecuandoquer amoscomuni car
dospr ogr amasdi ferentes.Esporel loquedebemos
tenerencuent aest os“ crasheos”almoment ode
probarnuest rocódi go.Lonar radof or mópar tede
nuest ra exper iencia alr ealizar la conexi ón del
Mat labconel My SQLmedi anteel dri
verODBC.
-En l a act ual i
dad exi st en muchos códi gos
desar roll
adosquenosper mi tenr eali
zarunar ápida
i
mpl ement acióndeunpr ogr amader econoci miento
facialbasado en l os di sti
ntos al gori
tmos que
necesi temos.Ladet ecciónyelsegui mientof acial
fueronmáspr ecisosquel osdi ferentesal gori
tmos
der econoci mi ent of acialpuest oquel amay oríano
estabanhechospar aserusadosent i
empor eal.Por
ell
o pr obamos nuest ro pr ogr ama con di f
erentes
algor i
tmospar aquealf inalnosquedemosconel
queconsi deramosel más“ est able”.
-Existenf actor esdelent or nocomol al uminosidady
distanci aconr espect oal acámar aqueaf ectanenel
procesami ento de i mágenes y ent orpecen l a
compar aci ón.

VI
II
. REFERENCI
AS
[
1] G.Ot tad, “
Reconoci mi ent odecar as: Eigenf acesyFi sherfaces”,
2010.
Av ail
abl e:https: //ev a.fi
ng. edu. uy /fi
le.php/ 514/ ARCHI VO/ 2010
/Trabaj osFi nal es2010/ informe_ fi
nal _ottado. pdf
[
2] F.G.Cabal l
er oJul ián,M. Vi
dalRey es,A. LópezSánchez,C. A.
Jer ónimo Rí os,“ Reconoci mi entof acialporelmét odo de
Eigenf aces” ,Tecnol ógi co Naci onalde Méxi co de Oaxaca,
Mexi co, 2017.
[
3] B.Pedr azaPi co, P.Rondón, H.Ar guel l
o, “
Sist emade
reconoci mient ofaci al basadoeni mágenesconcol or”
,
Uni versidadI ndust ri
al deSant ander ,Col ombi a,2011.
[
4] L.N.Sol isCal vopi ña, L.R.PugaTor res,“ Cont rol deSegur i
dad
Biomét ri
codeReconoci mi ent oFaci al comoCasodeEst udi o
I
mpl ement aci ónenel Ár eaAdmi nistrativadel aFacul t
adde
I
ngeni eríadel aUni v ersidadCat óli
cadeSant iagodeGuay aquil
”,
Uni versidadCat ólicadeSant iagodeGuay aqui l
, Ecuador,2016.
[
5] L.CépedaNei ra,S.RoncalLázar o,“ Desar rollodeunsi stema
i
nt eli
gent eusandor edeshopf i
eldpar aelr econoci mientode
rost r
os” ,Uni ver si
dadNaci onal deTr uji
ll
o, Per ú,2013.
[
6] Cat arina, “ Opt imi zaci ón de Al macenami ento de Vi deo
Utili
zando Reconoci mi ento Faci al”, Uni v ersidad de l as
Amér icasdePuebl a, Méxi co, 2015.
[
7] “Fil
t r
oSobel ” .
Av ail
abl e:ht tps://docs. gi mp. org/2. 8/es/ plug- i
n-sobel.
html .
[
8] F.Chi chizol a,A.DeGi usti,M.Nai ouf“ Eigenf acespar ael
Reconoci mi ent o Aut omát ico de Rost ros”, Uni versidad