Identificación de rostros por técnica de puntos de interés SURF
Resumen
En este trabajo se muestra un sistema de identificación de rostros a través de la técnica de extracción y análisis de los puntos de interés SURF (Speeded Up Robust Features).
En esta metodología se hace uso de los puntos extraídos a partir de aplicar una partición al rostro en rejillas para obtener ventanas de la imagen, por medio de una ventana que se desliza a través de la imagen a analizar; el sistema obtiene los puntos de interés y el descriptor correspondiente a estos, para cada una de las ventanas (rejillas) de la imagen y son guardados en la base de datos de entrenamiento. Este
problema requiere un alto costo computacional ya que para extraer 225 rejillas de una imagen y generar los descriptores, de manera secuencial tiene un alto costo computacional, por lo que también se muestra la implementación con técnicas de programación en paralelo, logrando una reducción significativa del tiempo de cómputo para hacer factible su aplicación. El sistema se probó con cuatro bases de datos de rostros y se ha alcanzado un resultado fiable.
Palabra(s) Clave(s): Matching, reconocimiento de rostros, reconocimiento de patrones, puntos de interés SURF.
Texto completo:
1443-1463 PDFReferencias
T de la Luz-Raul, “System de reconocimiento facial por medio de eigenfaces y redes neuronales”. M.S. thesis. Esime IPN. Junio 2009.
A-González and F-Prieto, “Extracción de puntos característicos del rostro para medidas antropométricas”. Revista Ingenierías Universidad de Medellín. Vol. 9. No. 17. Julio-diciembre 2010. 139–150 pp.
K-A-Kim. Facial feature extraction using pca and wavelet multi-resolution images. sixth IEEE International Conference on Automatic Face and Gesture Recognition. Mayo 2004. 17–19 pp.
Y-Zaho, Part-based pca for facial feature extraction and classification. International Workshop in Haptic Audio visual Environments and Games. Noviembre 2009. 99–104 pp.
B-Amarapur, N-Patil, The facial texturesextraction for face recognition based on geometrical approach. IEEE CCECE/CCGEI. Mayo 2006. 1936–1939 pp.
G-G-Yen, N-Nithianandan, Facial feaature extraction using genetic algorithm. Congress on Evolutionary Computation, 1895–1900. Mayo 2002.
M-H-Mahoor, M-Abdel-Mottaleb, Facial features extraction in color images using enhanced active shape model. 7th International Conference on Automatic Face and Gesture Recognition. 2006. 10–12 pp.
T-F-Cootes, “Active appearance models”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 23. No. 6. 2001. 681–685 pp.
Y-Yokogawa, “A proposal of improved lip contour extraction method using deformable template matching and its application to dental treatment”. Systems and Computers in Japan. Vol. 38. No. 5. 80–89 pp.
H. K. Ekenel, R. Stiefelhagen, Why is facial occlusion a challenging problem? In International Conference on Biometrics. Sassari, Italy. June 2009.
A. M. Martinez, “Recognizing imprecisely localized, partially occluded and expression variant faces from a single sample per class”. IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 24. No. 6. 2002. 748–763 pp.
L. Wolf, T. Hassner, Y. Taigman. Descriptor based methods in the wild. In ECCV, 2008.
M. Turk, A. Pentland, “Eigenfaces for recognition”. Journal of Cognitive Neuroscience. Vol. 3. 1991. 71–86 pp.
Surf: Speeded up robust features. Computer Vision and Image Understanding (CVIU). http://www.vision.ee.ethz.ch/~surf/.
A performance evaluation of local de- scriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence. http://dx.doi.org/10.1109/TPAMI.2005.188.
Javier Ruiz del Solar, Rodrigo Verschae, Mauricio Correa, Face recognition in unconstrained environments: A comparative study. In ECCV Workshop on Faces in ’Real-Life’ Images: Detection, Alignment, and Recognition, Marseille, France, October 2008.
Donghoon Kim, Rozenn Dahyot, Face components detection using surf descriptors and svms. In International Machine Vision and Image Processing Conference. Portrush, Northern Ireland. September 2008. 51–56 pp.
Philippe Dreuw, Pascal Steingrube, Harald Hanselmann, Hermann Ney, “SURFFace: Face Recognition Under Viewpoint Consistency Constraints”. 2009. In A.
Cavallaro, S. Prince and D. Alexander, editors. Proceedings of the British Machine Conference. September.
A.M. Martinez, R. Benavente, “The AR Face Database”. CVC Technical Report No. 24. June 1998.
O. Jesorsky, K. Kirchberg, R. Frischholz, In J. Bigun, F. Smeraldi, editors, Audio and Video based Person Authentication - AVBPA. Springer, 2001.
Athinodoros Georghiades, Peter Belhumeur, David Kriegman's paper, "From Few to Many: Illumination Cone Models for Face Recognition under Variable Lighting and Pose". PAMI. 2001.
Yale University, Yale Face Database. URL:http://vision.ucsd.edu/content/yaleface-database. 5/06/2015.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx