Tesis
Herramienta de reconocimiento facial con técnica de visión computacional 2D
Fecha
2019Registro en:
Escobar Loayza, J. D. (2019). Herramienta de reconocimiento facial con técnica de visión computacional 2D (Tesis de pregrado). Universidad de las Américas, Quito
UDLA-EC-TIERI-2019-12
Autor
Escobar Loayza, Jefferson David
Institución
Resumen
En esta tesis se ha diseñado un sistema de reconocimiento de imágenes por visión artificial, centrado en rostros de personas. Aquí, se ha estudiado la complejidad de dos algoritmos que han demostrado su eficiencia y robustez en aplicaciones de reconocimiento de rostros usando visión por computador. Además, se ha implementado un sistema con tal propósito basado en dichos algoritmos y la propuesta de mejoras en los mismos. Los algoritmos mencionados anteriormente son: 1) El método Autorostros (Eigenfaces) y 2) El método Análisis Discriminante Lineal (Fisherfaces). Ambos métodos son capaces de detectar rostros por comparación con imágenes guardadas en bases de datos, y entre las características fundamentales de dichos métodos podemos destacar lo siguiente: el método de Autorostros se encarga de comparar con una única imagen de la persona que sirve de referencia y que se encuentra guardados en la base de datos; mientras que el método Análisis Discriminante Lineal realiza la comparación contra un promedio de imágenes de referencia guardadas en la base de datos. En esta tesis se ha podido demostrar experimentalmente que el primer método necesita menos tiempo de procesamiento, pero es menos robusto; mientras que el segundo método requiere un tiempo de procesamiento más alto, pero es más robusto. Por lo que, este último es el apropiado para trabajar en entornos afectados por la contaminación y señales no deseadas. Con los antecedentes expuestos, con el objeto de mejorar la robustez del método Autorostros, se propone crear una base de datos con un conjunto de fotos de referencia de cada uno de los rostros a identificar, buscar una medida de la tendencia central de dichas fotos para cada rostro y tomar esta medida como la nueva referencia. Sin embargo, incluso haciendo esto, los resultados siguen siendo inferiores al método Análisis Discriminante Lineal. Por lo tanto, si se desea un sistema de identificación rápido y se tolera un determinado margen de error, el método recomendado es el Autorostros. Por otra parte, si se desea implementar un sistema de procesamiento robusto, el método apropiado es el Análisis Discriminante Lineal.