Técnica eficiente para reconocimiento facial global utilizando wavelets y máquinas de vectores de soporte en imágenes 3D

Abstract

La presente investigación se desarrolla en el marco de los sistemas de reconocimiento facial automático de imágenes, que consisten en procesar las imágenes de caras de personas utilizando métodos estadísticos y matemáticos de extracción de características y de clasificación de imágenes, para conocer si un individuo se encuentra en una determinada clase, y finalmente hallar su identidad. El tratamiento automático de una cara es complicado, debido a que se presenta varios factores que le afectan, como la posición de la cara, la expresión, la edad, la raza, el tipo de iluminación, el ruido, y objetos como lentes, sombrero, barba entre otros. El procesamiento se realiza de forma global, en donde se procesa toda la cara. Se sabe que procesar las imágenes de manera global es más rápido, práctico y fiable que las basadas en rasgos. Además, se conoce que procesar imágenes en tres dimensiones es más real y consistente que en dos dimensiones. El principal objetivo de la tesis que se propuso fue desarrollar una técnica eficiente de reconocimiento facial con rasgos globales, y con imágenes en tres dimensiones. Para ello, se seleccionó los algoritmos más eficientes para extracción de características, filtros de Gabor, y el algoritmo para clasificación, máquina de vectores de soporte (SVM). Este último algoritmo, su eficiencia varía de acuerdo a la función núcleo o kernel, por ello en esta tesis se trabajaron con tres kernel: líneal, gauseano y cúbico. Estos sistemas constan de dos procesos necesarios: 1) Entrenamiento, y 2) Pruebas. Lo que permitió establecer un modelo de reconocimiento facial global para dos y tres dimensiones respectivamente. La técnica fue procesada primero para imágenes 2D, luego para imágenes 3D. Y se utilizó el método de validación cruzada en ambos casos para aprobarlo. Los mejores resultados obtenidos con la técnica alcanzada son 96% de eficiencia con base de datos de imágenes de dos dimensiones; y 98,4% con base de datos de imágenes de tres dimensiones. Finalmente, se hace una comparación de los resultados alcanzados con otros trabajos de investigación similares, obteniéndose mayor eficiencia con este trabajo.