Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Prototipo de Seguridad Mediante Reconocimiento Facial
Prototipo de Seguridad Mediante Reconocimiento Facial
1
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
tienen un grado de complejidad un poco mayor, tal es así, En forma de contrarrestar variables propias del entorno como
que la resolución en la que se presenta el procesamiento para es la iluminación se utiliza el algoritmo de albedo el cual
la caracterización del rostro varia; un diagrama de bloques es realiza una estimación minimizando el error, ya que
ilustrado en la Figura.2 en la cual se puede ver el desarrollo condiciones extremas de iluminación genera cambios en los
de trabajo del algoritmo en el reconocimiento facial resultados en especial con rostros oscuros, pero esto también
mediante video detección se puede ocasionar por el cambio de la posición de la
persona el momento del proceso de reconocimiento como se
puede observar en la figura 3.
2
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
el cual el histograma de una imagen divide el rango de Otra de las características de este algoritmo es que no
valores posibles de los píxeles de la imagen en una serie de requiere de imágenes de entrada, ya que las generar de
sub-rangos o clases del mismo o distinto tamaño entre ellos; manera aleatoria introduciendo atributos propios de la
dado el rango de valores de píxel, se realiza una división en fisiología humana antes mencionados, con los cuales realiza
ocho clases del mismo tamaño, y almacena en cada clase la el modelo del rostros y con ellos compara los atributos del
frecuencia de píxeles con un valor comprendido entre ese individuo a reconocer, dentro del cual el principal
sub-rango, es decir, el número de píxeles en la imagen cuyo componente de análisis genera vectores de textura que
valor está entre los valores de inicio y fin de cada sub-rango estimas las distribuciones de probabilidad, éstos atributos
[7]. Además de la utilización de una máquina de vectores de con reemplazados uno a uno sin importar el número de datos
soporte el cual es un método de aprendizaje supervisado que, que se presenten. La base de datos de este tipo de modelos
a partir de unas muestras de entrada, reconoce patrones y presenta rostros de personas de los pocos meses de edad.
permite resolver problemas de clasificación y de regresión,
estos son muy utilizados dentro de los diferentes algoritmos Como se menciona anteriormente se genera un total de 7
de reconocimiento facial. distintas trenes o serie de imágenes con diferentes ángulos
que varía entre -30 y +30 grados.
3. DESARROLLO DE LA APLICACIÓN
3
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
4
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
Para el procesamiento de la imagen primero se consideran Figura 11. Reconocimiento exitoso con la base de datos.
varios parámetros, como la luz, puesto que este es el
principal problema del uso del algoritmo de PCA, al cambiar En donde se puede observar en la figura 11, que el usuario a
la luminosidad las intensidades de los pixeles de la imagen ingresar es más parecido al sujeto de la figura 8. En la
cambian, aumentando la diferencia entre las imágenes de la imagen de la figura 12 se observa el vector de diferencias y
base de datos y la capturada para la comparación. Otro factor el número de la imagen correspondiente al usuario a
que se tiene en cuenta para la realización del algoritmo es ingresar.
que la imagen solo tenga el rostro del usuario, es decir,
imágenes de caras, ya que al tener imágenes en las cuales
salga partes del cuerpo o contengan el mismo fondo causaba
confito, debido que al sacar el promedio de las imágenes se
sobreponía una sobre la otra, realizado una mala
identificación; otro punto a tener en cuenta es la
parametrización del tamaño de las imágenes, puesto que en
el desarrollo del algoritmo las imágenes de la base de datos y
a comprar se redimensionan al mismo tamaño, con el fin de
al momento de realizar el promedio, normalización, Figura 12. valor de diferencia.
generación de los vectores propios de la imagen y la
Si la persona no se encuentra en la base de datos como se
comparación, todos tengan la misma magnitud, evitando que
observa en la figura 13. Se genera una alarma, indicando que
se genere conflicto por una incoherencia en el tamaño de los
se encuentra un intruso intentando acceder como se observa
elementos.
en la figura 14.
Al procesar la imagen primero se realiza la lectura de las
imágenes presentes en la base de datos y la concatenación de
las mismas, es decir, estas se leen y se almacenan en un
vector, posteriormente a cada una de ellas se calcula el
promedio, con los cuales se genera la matriz de covarianza,
la que registra los valores más relevantes del conjunto de
imágenes. A la imagen a ingresar se realiza el mismo
proceso y se restan los promedios de la imagen con el fin de
normalizar, al comparar los vectores propios de la imagen
con las de la base de datos se genera una diferencia. Si la
diferencia tiene a cero el sujeto a ingresar es más cercano a Figura 13. Usuario a ingresar, “intruso”.
los presentes en la base registrados.
5
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
6
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
Se convierte la imagen en un tamaño, para que finalmente Es necesario tener en cuenta para la implementación las
todo se vuelva un vector. El vector va a representar la siguientes características:
imagen con unos valores o autovalores característicos. Se
reorganiza el vector, desde el mayor al menor, y finalmente >Tamaño: se debe normalizar la distancia entre los ojos y
entre los ojos y la boca, es decir se normaliza la altura y la
se guardan los autovectores en una matriz que a su vez se
anchura de la cara.
almacena en una variable.
>Rotación en el plano de la imagen: utilizando las
Realización de una Prueba. Se carga una imagen diferente, posiciones de los dos ojos, se efectúa una rotación de la
o en este caso se adquiere una imagen diferente, y se realiza imagen de manera que los dos ojos queden en horizontal.
el mismo procedimiento descrito en el paso 1 Por temas de
luminosidad y control de luz, algunas pruebas pueden verse >Zona de la cara utilizada: la cara se recorta de manera
afectadas, influyendo en la matriz de covarianza( que tiene la que no aparezcan zonas del fondo de la imagen ni zonas del
información acerca de la similitud, o que tanto parecido pelo.
tienen las imágenes unas con otras). El algoritmo calculara la
distancia que hay entre los autovectores de las imágenes >Contraste y nivel de iluminación: se expande el rango de
almacenadas en la base de datos, con el autovector de la niveles de gris de la imagen al máximo.
imagen de entrada, se calcula la diferencia entre la distancia
que existe entre los eigenvalores de la base de datos, con el En PCA, las caras están representadas por combinaciones
eigenvalor de la imagen de entrada. La diferencia menor es lineales de vectores propios ponderados como Eigenfaces
[8].Una de las posturas es realizar una prueba de la imagen
la imagen correspondiente o detectada (menor diferencia
identificando a una persona con el valor más pequeño entre
entre los eigenvalores).
todos los valores de tipo euclidiano (en las imágenes),
presentes en la base de datos. Se utiliza el concepto de la
distancia euclidiana entre menor sea la distancia euclidea
indica las características máximas de la imagen de entrada
pudiendo ser reconocida, para lograr un emparejamiento con
la base de datos.
Los Eigenfaces son empleados para clasificar la imagen de
entrada, y cada nueva cara o imagen de entrada es
7
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.
transformada en su componente Eigenfaces, para luego ser definir las características de recuadro para la realización del
comparada con los eigenfaces del conjunto de entrenamiento reconocimiento, de tal manera permitir llevar a cabo
suficientemente grandes de imágenes entonces son capaces adecuadamente el desarrollo de la aplicación.
de representar con fidelidad imágenes de cara de personas
que no están en el conjunto de entrenamiento. Uno de los algoritmos más usados en las aplicaciones de
reconocimiento facial es el PCA, debido a los patrones que
Sin embargo, lo que siempre se consigue es una buena utiliza para caracterizar una imagen, además de su facilidad
representación de imágenes de caras que tienen alguna otra de implementación, ya que la base de datos no es muy
imagen en el conjunto de entrenamiento, aunque estas tengan grande y realizara control sobre el entorno de trabajo de una
variaciones en la expresión respecto a la imagen del conjunto manera más adecuada.
de entrenamiento, en estos casos, aunque la imagen
representada con las eigenfaces tenga un error considerable El algoritmo de Eigenfaces, basado en PCA puede trabajar
la identidad de la cara siempre se preserva con gran fidelidad de distintas formas, con algoritmos auxiliares, que permitan
el reconocimiento facial para la aplicación de identificación
Para el proceso de reconocimiento, una imagen de entrada de una base de datos particular, además de estar constituido
ingresa al sistema, esta se transforma a escala de grises y se por etapas fundamentales para su correcto desarrollo, y la
convierte en un vector de columna, se normaliza y se calcula consideración de algunas condiciones especiales que se
la matriz de pesos de las imágenes del conjunto de requieren para un buen funcionamiento del mismo.
entrenamiento.
8
Universidad Pedagógica y Tecnológica de Colombia. PDI. Estado del Arte. Reconocimiento Facial.