UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMÁTICA

TESIS DE GRADO

DETECCIÓN FACIAL BASADA EN LA APLICACIÓN DEL

COLOR DE LA PIEL COMO DESCRIPTOR
Tesis de Grado para obtener el Título de Licenciatura en Informática
Mención Ingeniería de Sistemas Informáticos

POR: ROLANDO RAMOS CONDORI

TUTOR METODOLÓGICO: Dra. FÁTIMA C. DOLZ DE MORENO
ASESOR: M.Sc. GERMÁN HUANCA TICONA

LA PAZ – BOLIVIA
Octubre, 2021
 2

Índice

CAPÍTULO I...................................................................................................................................................2
MARCO INTRODUCTORIO............................................................................................................................2
1.1. INTRODUCCIÓN.....................................................................................................................2
1.2. ANTECEDENTES.....................................................................................................................3
1.3. PLANTEAMIENTO DEL PROBLEMA.................................................................................5
1.3.1. DESCRIPCIÓN DEL PROBLEMA.................................................................................5
1.3.2. FORMULACIÓN DEL PROBLEMA..............................................................................6
1.4. JUSTIFICACIÓN......................................................................................................................6
1.5. HIPÓTESIS................................................................................................................................7
1.6. OBJETIVOS..............................................................................................................................7
1.6.1. OBJETIVO GENERAL....................................................................................................7
1.6.2. OBJETIVOS ESPECÍFICOS...........................................................................................7
1.8. METODOLOGÍA......................................................................................................................7
1.9. IMPORTANCIA DEL ESTUDIO............................................................................................8
Capítulo II....................................................................................................................................................8
MARCO TEÓRICO.........................................................................................................................................8
2.1. ADQUISICIÓN DE IMÁGENES............................................................................................................8
 3

CAPÍTULO I

MARCO INTRODUCTORIO
1.1. INTRODUCCIÓN

Dentro del campo de Visión por computador también denominado visión artificial se han

desarrollado varias investigaciones cuyas aplicaciones en el mundo real son de gran ayuda,

pueden ofrecer apoyo en sistemas de seguridad, en el campo médico y muchas más, una de las

áreas de investigación se refiere a la detección de objetos, de ahí se desprende la detección facial,

el cual se tratará en el presente trabajo de Tesis.

La detección facial en estos últimos tiempos ha adquirido gran connotación, debido a sus

diversas aplicaciones y al avance de la tecnología principalmente, es primordial para los sistemas

de reconocimiento de rostros, expresiones; cálculo de género, edad. Por eso es necesario realizar

un estudio serio de cada etapa de la que es compuesto, para desarrollar sistemas de detección

facial cada vez más robustos.

El objetivo principal de la detección facial es localizar rostros dentro de una imagen, además de

calcular su tamaño, esta tarea parece sencilla para un ser humano pero para una computadora

realizar ese trabajo es realmente complicado, en este trabajo de investigación se propone el uso

del color de la piel humana como descriptor de características para desarrollar un algoritmo de

detección facial en base a herramientas que encontraremos a través de la revisión bibliográfica

(Tribuj M. y Waisbaum A. D., 2006, p.106), luego se planteará un clasificador apropiado y una

base de imágenes adecuada para efectivizar la detección facial con un buen grado de confianza,

finalmente se realizará una evaluación del detector facial propuesto mediante métricas

apropiadas.
 4

1.2. ANTECEDENTES

A nivel nacional se desarrolló un trabajo relacionado a la detección facial, del cual se hace

una breve descripción:

 Algoritmo de Detección Facial basado en el color de la piel, tesis de grado presentada en

la Universidad Mayor de San Andrés el año 2007, en el cuál Félix Ticona Quino,

construye una red neuronal artificial que analiza el histograma de una imagen para

obtener así información del grado de iluminación de la misma, utilizando una segunda

red neuronal artificial en la fase de detección, obteniendo una tasa de detección del 66.67

% en el mejor caso, pero tomando en cuenta solamente un rostro dentro de la imagen,

basándose únicamente en el espacio de color RGB e imágenes en formato JPG.

A nivel internacional se encontraron diversos trabajos, tales que a continuación se hace una

breve descripción de algunos de ellos:

 Face Detection Coupling Texture, Color and Depth Data, trabajo investigativo realizado

por: Loris Nanni, Alessandra Lumini, Ludovico Minto, y Pietro Zanuttigh; en el año

2016, en Italia. El trabajo presentado propone el uso de un mapa de profundidad para

elevar la efectividad de la detección aún en imágenes adquiridas en ambientes con

condiciones de iluminación pésimas, brindando criterios para reducir el número de falsos

positivos.

 Un enfoque basado en texturas para la detección facial (A Texture-based Approach to

Face Detection), es una investigación de: Vidya Manian y Arun Ross; de la Universidad

West Virginia de Estados Unidos de América. En el trabajo de investigación propuesto se

hace uso de una combinación de estadística y características de multiresolución de textura

 5

para diseñar un algoritmo de detección automática de rostros, el algoritmo funciona bien

bajo diferentes condiciones de iluminación y de fondo, según sus autores realizando

algunas afinaciones de los umbrales el número de falsos positivos podría reducirse

eficazmente, además de que el algoritmo es computacionalmente menos costoso y

factible en tiempo real.

 Análisis de descriptores de textura en la imagen facial (Texture Features in Facial Image

Analysis), investigación realizada por: Matti Pietikäinen y Abdenour Hadid; de la

Universidad de Oulu de Finlandia. En su trabajo concluyen que un enfoque basado en

filtros de Gabor o Wavelets midiendo la frecuencia de los puntos o regiones contenidos

en la imagen facial en resoluciones y orientaciones diferentes sería una buena idea pero

computacionalmente compleja, la idea de usar el operador LBP simple

computacionalmente para la descripción del rostro es motivado por el hecho de que el

rostro está compuesto de micro patrones (bordes, líneas, áreas planas, etc.) que son

descritas por el operador, para un enfoque de combinación de diferentes texturas sería

bueno usar filtros de Gabor con LBP, las imágenes pueden ser adquiridas con diferentes

sensores y en diferentes condiciones de iluminación creando problemas, a causa de eso la

textura sufre cambios, los autores recomiendan usar métodos apropiados de pre

procesamiento de imágenes.

1.3. PLANTEAMIENTO DEL PROBLEMA

1.3.1. DESCRIPCIÓN DEL PROBLEMA

La detección facial en imágenes digitales implica varios desafíos, a continuación, se hace una

breve descripción:
 6

 La variabilidad de escala, posición, orientación, pose, iluminación y oclusión de los

rostros en las imágenes repercute en que los rostros no son detectados (Varsha & Dipesh,

2014, p. 1).

 Mala selección del método de clasificación produce bajas tasas de detección.

 Falta de una base de imágenes adecuada causa que el clasificador de rostros esté mal

calibrado.

 La falta de un algoritmo de detección adecuado genera un mal rendimiento en general.

 La falta de retroalimentación impide optimizar los parámetros del detector.

1.3.2. FORMULACIÓN DEL PROBLEMA

Por tanto, el problema de investigación es el siguiente:

¿La detección facial basada en la aplicación del color de la piel como descriptor mejorará la

detección de rostros en imágenes adquiridas en ambientes no controlados?

1.4. JUSTIFICACIÓN

Sólo será necesario el uso de un equipo de cómputo regular para implementar los algoritmos

de detección facial, por el alto costo de equipos más sofisticados, una razón más para justificar

este trabajo.

La detección facial es un problema que aún no está resuelto en su totalidad, este trabajo se basa

en el análisis de las texturas en la piel para realizar la detección de rostros en imágenes

adquiridas en entornos dinámicos, de esta forma determinar ventajas y desventajas, así de este

modo hacer una contribución a la ciencia, en este caso en el campo de visión por computadora.
 7

El desarrollo de un algoritmo de detección facial y su implementación en un prototipo con pocos

recursos económicos permitirá ser más accesible este tipo de tecnología a la sociedad, a

comparación de sistemas comerciales de costos elevadísimos.

La detección de caras es una etapa fundamental en cualquier aplicación donde se realice algún

tipo de análisis facial como por ejemplo reconocimiento de caras, estos se usarán en sistemas de

seguridad para bancos y lugares donde se necesite un estricto control del personal que ingrese a

sus instalaciones.

1.5. HIPÓTESIS

Mediante el uso de un algoritmo basada en la aplicación del color de la piel como descriptor

se realizará la detección facial en imágenes adquiridas en entornos no controlados con un

intervalo de confianza del 95 %.

1.6. OBJETIVOS

1.6.1. OBJETIVO GENERAL

Desarrollar un algoritmo de detección facial basada en la aplicación del color de la piel como

descriptor.

1.6.2. OBJETIVOS ESPECÍFICOS

 Desarrollar un modelo en base al color de la piel.

 Desarrollar un método de clasificación adecuado al modelo propuesto.

 Generar una base de imágenes de caras, no caras y colores de piel.

 Desarrollar un algoritmo de detección facial basado en el enfoque propuesto.

 Elaborar un prototipo de detección facial basado en el algoritmo propuesto.

 8

1.7. ALCANCES

El presente trabajo de tesis se limita a desarrollar un algoritmo de detección facial basado en

la aplicación del color de la piel como descriptor de características, además:

 Se realizará la implementación del algoritmo en un prototipo.

 Se usarán imágenes con el formato JPG de mediana resolución.

1.8. METODOLOGÍA

El esquema general propuesto para la consecución de los objetivos anteriormente mencionados

sigue básicamente los siguientes pasos:

En primer lugar, se realiza una revisión bibliográfica sobre los métodos descritos en la literatura.

Se seleccionan los métodos más apropiados en relación a la problemática planteada desde el

punto de vista de detección de objetos.

Se desarrollará un modelo en base a los colores de piel que se usará en la etapa de extracción de

características en base a los métodos seleccionados.

Se construirá un prototipo en Visual .Net.

Se calibrará el clasificador y se realizarán pruebas para optimizar los parámetros de detección.

Como paso final se realizará una evaluación en base a las métricas existentes.

1.9. IMPORTANCIA DEL ESTUDIO

La principal aportación en este trabajo, es identificar un algoritmo de detección facial basado

en un modelo de colores de piel, que funcione de manera óptima para imágenes adquiridas en

entornos no controlados, además el desarrollo de un prototipo.

 9

Capítulo II

MARCO TEÓRICO
2.1. ADQUISICIÓN DE IMÁGENES
sgrgfdgdf

DETECCIÓN

CARA

DETECCIÓN FACIAL

HISTOGRAMAS

PIEL

COLOR

DESCRIPTOR

PROCESAMIENTO DE IMÁGENES

ESPACIOS DE COLOR

RGB

CIELAB

CIELUV

REDES NEURONALES

MACHINE LEARNING

INTELIGENCIA ARTIFICIAL

VISION ARTIFICIAL

VISION POR COMPUTADORA

REDES NEURONALES CONVOLUCIONALES

ESTADO DEL ARTE

MARCO CONCEPTUAL
 10

Capítulo 3

DETECCIÓN FACIAL BASADA EN LA APLICACIÓN DEL COLOR DE LA PIEL COMO DESCRIPTOR

3.1 Introducción

3.2 Desarrollo del modelo de color

3.3 Segmentación

3.4 Extracción de características

3.5 Clasificación de Rostros

4.2 Análisis y diseño del Prototipo

4.3 Diseño de casos de prueba

Cap. 4 Estado de la hipótesis

Cap. 5 Conclusiones y recomendaciones

5.1 Conclusiones

5.2 Recomendaciones

Referencias

Anexos
 11

Alegre E., Pajares G. y De la Escalera A. (2016). Conceptos y Métodos en Visión por

Computador. Grupo de Visión del Comité Español de Automática (CEA).

Bishop C. M., (2006). Pattern Recognition and Machine Learning. Springer Science+Bu- siness

Media, LLC

Comas D. S. & Meschino G. J., (2014). Segmentación de Imágenes mediante Recono- cimiento

de Patrones. Escuela y Workshop Argentino en Ciencias de las imágenes.

 12

García G. (2007). Procesamiento de caras humanas mediante integrales proyectivas (Tesis

Doctoral). Universidad de Murcia, Murcia. Disponible en: http://dis.um.es/~gi-

nesgm/files/inv/tesis.pdf

Gernot A. F. (2014). Markov Models for Pattern Recognition: From Theory to Ap-

plications. 2nd Ed. Springer-Verlag, London

Hernández R, Fernández C. y Baptista P., (2003). Metodología de la investigación. 3ra. Ed.,

México, D.F.: McGraw-Hill

Klette R., (2014). Concise Computer Vision: An Introduction into Theory and Algorithms.

London: Springer-Verlag
 13

López N. & Toro J. J. (2012). Técnicas de biometría basadas en patrones faciales del ser humano

(Proyecto de grado). Universidad Tecnológica de Pereira, Pereira. Disponi- ble en:

https://www .sistemamid.com/panel/uploads/biblioteca/

2015-03-22_11-59-41117590.pdf

Moreno A, Armengol E., Béjar J., … y Sánchez M., (1994). Aprendizaje automático. Edi- ciones

UPC

Parker J. R. (2011) Algorithms for Image Processing and Computer Vision, Second Edi-

tion.Indianapolis, Indiana: Wiley Publishing, Inc.

Sanhueza O. A. (2008). Análisis y Detección de Características Faciales Usando

Aprendizaje Estadístico (Memoria de licenciatura inédita). Universidad de Chile, San- tiago de

 14

Chile. Disponible en:

http://www.tesis.uchile.cl/tesis/uchile/2008/sanhueza_or/sources/sanhueza_or.pdf

Solá R. & Cabeza R. (2011). Evaluación experimental de detectores de caras y caracte- rísticas

faciales (Proyecto de grado). Escuela Técnica Superior de Ingenieros Industria- les y de

Telecomunicación, Pamplona, España. Disponible en:

http://academica-e.unavarra.es/bitstream/handle/2454/3143/

0000577399.pdf?sequence=1

Solomon C. & Breckon T., (2011). Fundamentals of Digital Image Processing: A Practical

Approach with Examples in Matlab. U.K.: John Wiley & Sons, Ltd.
 15

Sucar L. E. y Gómez G. (s.f.). Visión Computacional. Disponible en:

http://ccc.inaoep.mx/~esucar/Libros/vision-sucar-gomez.pdf

Szeliski R., (2010). Computer Vision: Algorithms and Applications. Springer Theodoridis S. &

Koutroumbas K., (2003). Pattern recognition. 2nd. Ed. USA: Elsevier. Theodoridis S. &

Koutroumbas K., (2010). An Introduction to pattern recognition: A

MATLAB® approach. Elsevier Inc.

Treiber M., (2010). An Introduction to Object Recognition: Selected Algorithms for a

Wide Variety of Applications. London: Springer-Verlag

Tribuj M. y Waisbaum A. D. (2006). Segmentación de imágenes texturadas (Tesis de

 16

Grado). Universidad de Buenos Aires, Argentina

Varsha G. & Dipesh S. (2014). A Study of Various Face Detection Methods. International

Journal of Advanced Research in Computer and Communication Engineering. Vol. 3, Issue 5,

May 2014

Webb A. R. & Copsey K. D., (2011). Statistical Pattern Recognition. 3rd. Ed. Malvern, UK:

John Wiley & Sons, Ltd.