Análisis, diseño e implementación de un modelo de métodos combinados para un sistema de reconocimiento facial

Abstract

RESUMEN: En este trabajo se propone el diseño y desarrollo de un sistema de biometría de reconocimiento facial. La propuesta consiste principalmente en la combinación de dos técnicas probabilísticas además del uso de teoría de lógica difusa para mejorar la clasificación de los datos. Primero se propone la aplicación del Análisis de Componentes Principales (por sus siglas en inglés PCA) trabajando en cascada con el Análisis Discriminante Lineal (por sus siglas en inglés LDA). PCA elimina los datos que son irrelevantes para procesar la información de la imagen original obteniendo la información que mejor caracterice el rostro (ojos, nariz, boca, frente), posteriormente se implementó LDA, el cual permite la clasificación de los datos obtenidos mediante el uso de la técnica PCA. Estos datos son organizados en grupos de acuerdo a las características de cada vector (dirección, magnitud y sentido), a estos grupos de vectores se les conoce como vectores propios debido a que describen el comportamiento de la matriz de varianza-covarianza, este tipo de vectores se encuentran en más de un grupo o zonas identificadas de un rostro (ojos, nariz, boca, mejilla, etc.). Finalmente, debido a que estos vectores se encuentran en más de un grupo, se propone el uso de teoría de lógica difusa para priorizar cada uno de los valores al momento de la clasificación de los datos debido a la pertenencia de los vectores a más de un grupo. Teniendo la clasificación de los datos se procede a realizar el reconocimiento, se propone calcular las distancias euclidianas entre todos los vectores del rostro ya clasificados para hacer la comparación respecto de las distancias euclidianas de los vectores que componen los rostros dentro de la base de datos, para tener finalmente la etapa de reconocimiento facial. ABSTRACT: This work proposes the design and development of a system of biometrics facial recognition. The proposal consists mainly in the combination of two probabilistic techniques in addition to the use of fuzzy logic theory to improve the classification of the data. First it is proposed the implementation of the Principal Components Analysis (PCA) working in cascade with the Linear Discriminant Analysis (LDA). PCA eliminates data that are irrelevant to process the information of the original image by getting the information that best characterizes the face (eyes, nose, mouth, forehead), subsequently implement LDA, which allows the classification of the data obtained through the use of PCA. These data are organized into groups according to the characteristics of each vector (magnitude and direction), these groups of vectors are known as vectors themselves because they describe the behavior of the variance-covariance matrix, this type of vector is found in more than one group or identified areas of a face (eyes, nose, mouth, cheek, etc.). Finally, due to the fact that these vectors are found in more than one group, it is proposed the use of fuzzy logic theory to prioritize each of the values at the time of the classification of the data due to the membership of the vectors to more than one group. Taking the classification of the data is necessary to perform the recognition, it is proposed to calculate the Euclidean distances between all vectors of the face already classified for the comparison of the Euclidean distances of the vectors that make up the faces within the database, to finally have the stage of facial recognition.