Localización y verificación de rostros mediante de procesamiento de imágenes y herramientas de morfología matemática
El reconocimiento facial ha sido un tema estudiado, especialmente en los últimos 20 años y se han desarrollado sistemas de reconocimiento donde identifican o autentifican a una persona mediante imágenes faciales que previamente se han analizado y almacenado. El objetivo de este trabajo de investigac...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2014 |
| País: | México |
| Institución: | Universidad Autónoma de Querétaro |
| Repositorio: | Repositorio Institucional de la Universidad Autónoma de Querétaro |
| OAI Identifier: | oai:ri-ng.uaq.mx:123456789/381 |
| Acceso en línea: | http://ri-ng.uaq.mx/handle/123456789/381 |
| Access Level: | acceso abierto |
| Palabra clave: | Color de piel Filtros de Gabor Gabor filters Segmentación Segmentation Skin color INGENIERÍA Y TECNOLOGÍA |
| Sumario: | El reconocimiento facial ha sido un tema estudiado, especialmente en los últimos 20 años y se han desarrollado sistemas de reconocimiento donde identifican o autentifican a una persona mediante imágenes faciales que previamente se han analizado y almacenado. El objetivo de este trabajo de investigación es detectar y autentificar rostros de una base de datos desarrollada en la UAQ mediante filtros de Gabor y un perceptrón multicapa, con condiciones controladas como son la iluminación, expresión facial y pose. Para llevar a cabo la verificación(o autentificación) facial se precisa detectar el rostro dentro de una imagen dada, lo cual se realiza mediante el color de la piel, donde se utiliza el espacio de color YCbCr considerando umbrales en las componentes Cb y Cr. Después de la detección y localización del rostro, las características de la imagen facial son extraídas usando uno de los métodos más utilizados para el reconocimiento facial basado en las llamadas características Gabor. Mediante un proceso de entrenamiento el sistema aprende a reconocer a cada persona y rechaza a los impostores, donde es implementado un perceptrón multicapa con entrenamiento de retro-propagación para la clasificación de los vectores característicos de cada persona. Los resultados demuestran una eficacia de las técnicas implementadas con una tasa de clasificación del 94.41% considerando las imágenes de la base de datos obtenida. |
|---|