Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Modelo H brido para el Reconocimiento de Rostros en Video

Deyvi J. Samanez Garc a dsamanez@gmail.com

14 de septiembre de 2009

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Problema

n Definicio Dadas unas imagenes est aticas o en video de una escena, identicar una o m as personas en la escena usando una base de datos de rostros.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Reconocimiento de Rostros
n Descripcio En una secuencia de video se debe detectar las regiones con m as probabilidad de contener rostros, y luego, comparar el rostro contra un conjunto de rostros(dataset) conocidos con el n de reconocer el rostro y clasicarlo en la clase adecuada.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Reconocimiento de Rostros

Problemas Los problemas que se encuentran asociadas al reconocimiento de rostros son: Tama no del rostro. N umero de rostros. Tipo de imagen/video. Iluminaci on. Cabello(puede cubrir el rostro).

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Objetivos General

Proponer un modelo h brido para reconocer rostros en secuencias de video.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Objetivos Espec ficos

Estudiar una t ecnica de extracci on de caracter sticas. Estudiar una t ecnica para reconocimiento de rostros basada en redes neuronales. Estudiar una t ecnica de optimizaci on(algoritmos gen eticos) para la arquitectura de la red neuronal. Implementar la aplicaci on para el reconocimiento de rostros en video.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

n de Hipo tesis Formulacio

El modelo h brido reconoce rostros en secuencias de video.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Propuesta

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Propuesta

Detecci on de Rostros
Clasicador basado en Filtros Haar y Adaboost

Reconocimiento de Rostros
Eigenfaces (PCA) Red Neuronal de Base Radial y Algoritmo Gen etico

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

n Descripcio

La t ecnica para detecci on de rostros propuesta en [6] consiste en tres etapas: Calculo de Imagen Integral Extracci on de Caracter sticas con Filtros Base Haar Clasicaci on con AdaBoost

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Imagen Integral I

Figura: El valor de la imagen integral en el punto (x , y )

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Imagen Integral II

ii (x , y ) =
x x , y y

i (x , y )

Donde ii (x , y ) es la imagen integral y i (x , y ) la imagen original. El c alculo de la imagen integral se realiza aplicando las siguientes funciones recursivas a cada pixel de la imagen original, seg un [6] luego del c alculo de la imagen integral, cualquier suma de una regi on rectangular se puede realizar con 4 referencias a un arreglo(O (1)).

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Filtros Haar

n Descripcio El procedimiento de detecci on de objetos(rostros) se basa en el valor de features(caracter sticas) sencillas. Estas caracter sticas codican la existencia de contrastes entre regiones en una imagen, as un conjunto de caracter sticas pueden ser usadas para codicar los contrastes encontrados en los rostros.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Filtros Haar
La propuesta original de los autores consideran 3 tipos caracter sticas: two-rectangle feature: Su valor se calcula con la diferencia entre la suma de los p xeles dentro de las dos regiones rectangulares. three-rectangle feature: Su valor se calcula con la suma de los p xeles dentro de las dos regiones rectangulares exteriores y la substracci on de los p xeles de la regi on interior. four-rectangle feature: Su valor se calcula con la diferencia entre las diagonales de los pares de rect angulos.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Filtros Haar I

Figura: Haar-like features en OpenCV[2]: El detector de objetos en OpenCV esta basado en la propuesta de Viola y considera m as tipos de caracter sticas(mejorado por Lienhart).

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Filtros Haar II

El c alculo de cada caracter stica se realiza con la siguiente f ormula:

hi ,k = wi ,k ,1 RectSumi ,k ,black +gray + wi ,k ,2 RectSumi ,gray Los pesos se deben compensar: wi ,k ,1 Areai ,k ,black +gray + wi ,k ,2 Areai ,k ,gray = 0

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

n con Adaboost Clasificacio

n descripcio AdaBoost es un algoritmo propuesto en [9] y es usado para la construcci on de mejores clasicadores que resultan de la combinaci on lineal de clasicadores m as simples.
T

f (x ) =
t =1

t ht (x )

Donde: ht (x ) es un clasicador debil o caracter sticaa . H (x ) = sign(f (x )) es el clasicador nal.

Tambi en nos referimos a estas caracter sticas como ltros, y se mostr o el c alculo de estas en la sub-secci on anterior
Samanez G., D. J. Reconocimiento de Rostros a

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Adaboost - Algoritmo I
1 2 3 4

Representamos las im agenes y su clase con (xi , yi ). Dadas: (x1 , y1 ), . . . , (xm , ym ); xi X , yi {1, 1} Inicializamos los pesos W1 (i ) = 1/m Iteramos por t = 1, . . . , T :
1

Seleccionamos el clasicador base ht (xi ) respecto al peso del error

m

errt = min
i =1
2

Wt (i )|ht (xi ) yi | 1 errt 1 log 2 errt

Reconocimiento de Rostros

Calculamos t =

Samanez G., D. J.

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Clasicadores en Cascada y Filtro de Base Haar

Adaboost - Algoritmo II
3

Actualizamos el peso Wt +1 (i ) = Wt (i )( errt 1ei ) 1 errt

Donde ei = 0 si xi es clasicado correctamente, sino ei = 1.

5

Finalmente, obtenemos un clasicador m as robusto:

T

H (x ) = sign(
t =1

t ht (x ))

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

n Definicio En t erminos matem aticos, se desea encontrar los componentes principales de la distribuci on de rostros, o los autovectores de la matriz de covarianza de un conjunto de im agenes de rostros, considerando que una imagen es un punto o vector en un espacio dimensional muy alto. Los autovectores son ordenados, cada uno representando una diferente cantidad de variaci on entre los rostros.[5] El principio b asico de Eigenfaces esta en la extracci on de caracter sticas, su enfoque es capturar la variaci on en un conjunto de im agenes de rostros en lugar de basarse en otras caracter sticas del rostro como lo hacen otras t ecnicas.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Etapas I
La t ecnica para reconocimiento de rostros propuesta en [5] consiste en dos etapas:
1

C alculo del espacio de rostros utilizando An alisis de Componentes Principales en el conjunto de im agenes de entrenamiento, proyecci on de cada imagen en el espacio calculado y la creaci on de clases de clasicaci on.
Conseguir un conjunto de im agenes de rostros(conjunto de entrenamiento). Calcular los componentes principales del conjunto de entrenamiento, guardando solo M de ellos correspondientes a los autovectores m as altos. Estos M componentes principales denen el espacio de rostros. Al ir aumentando m as rostros, los componentes pueden ser actualizados o recalculados.
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Etapas II
Calcular la distribuci on correspondiente a cada individuo, proyectando la imagen de su rostro en el espacio de rostros.
2

Proyecci on de nuevas im agenes en el espacio de rostros para la comparaci on con cada clase en el sistema y su posterior clasicaci on.
Calcular un conjunto de pesos de la imagen de entrada al proyectarla en cada uno de los componentes principales. Determinar si la imagen es un rostro vericando su cercan a con el espacio de rostros. Si es un rostro, clasicar el patr on de pesos como conocido o desconocido. Actualizar los componentes principales y patrones de pesos.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

n Componentes Principales(PCA) - Inicializacio I

Tenemos un conjunto de rostros I1 , I2 , . . . , IM . Cada Ii es una matriz N N . Representamos cada matriz Ii como vector i . Cada i es un vector N 2 1. Calculamos el promedio del conjunto de vectores i . = 1 M
M

i
i =1

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

n Componentes Principales(PCA) - Inicializacio II

4

Substraemos el promedio a cada rostro. i = i

Calculamos la matriz de covarianza C . C= 1 M

M T n T n = AA n=1

A = [1 2 . . . M ] C es una matriz N 2 N 2 y A es una matriz N 2 M .

Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

n Componentes Principales(PCA) - Inicializacio III

6

Calculamos los autovectores ui de C = AAT . El c alculo de autovectores para la matriz AAT no es pr actico debido a su tama no N 2 N 2 , pero en [5] se demuestra que los autovectores vi de AT A (M M ) est an relacionados a los de AAT por: ui = Avi

Luego del c alculo de autovectores solo conservamos los autovectores correspondientes a los K autovalores m as altos.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Componentes Principales - Reconocimiento I

1 2 3

Dada una imagen desconocida (N 2 1) Normalizamos : = Proyectamos la imagen normalizada en el espacio caracter stico.
K

=
i =1

wi ui (wi = uiT )

w1 w2 Representamos como: = ... wK

Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Componentes Principales - Reconocimiento II

Iteramos sobre la base de datos de im agenes de entrenamiento proyectadas y calculamos las distancias(distancia euclidiana) er = min r Encontramos la clase r que produzca la menor distancia er y clasicamos la imagen en esa clase.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Limitaciones I
En [10] se listan las desventajas de usar Eigenfaces: Variante por traslaci on de imagen, si una imagen es volteada no ser a reconocida Variante por escalamiento de imagen, si se cambia el tama no de la imagen ser a dif cil su reconocimiento. Variante por fondo de la imagen, si se quiere reconocer una imagen con fondo diferente, ser a dif cil su reconocimiento. Variante por iluminaci on de la imagen, si la intensidad de la luz cambia, el rostro no ser a reconocido acertadamente. En [12] se reconoce el mejor, real y peor escenario para Eigenfaces:
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Limitaciones II

Mejor: Cuando las puntos(proyecciones de las im agenes) que pertenecen a una misma persona estan muy juntos. Clusters bien denidos. Real: Cuando existe leve sobreposici on de los clusters. Peor: Cuando la variaci on entre puntos de la misma persona son m as grandes que con una persona diferente.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Funciones Radiales I

n Descripcio Su principal caracter stica es que su respuesta decae (o incrementa) proporcionalmente con la distancia a un punto central. Un ejemplo es la Funci on Gaussiana: h(x ) = e
(x c )2 r2

Donde c es su centro y r es su radio.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Funciones Radiales II

Figura: Funci on Gaussiana, c = 0 y r = 1

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Arquitectura I
La gura muestra una Red Neuronal de Base Radial. Las curvas con forma de campana en los nodos intermedios indican que cada uno contiene una funci on de base radial que esta centrado en un vector en el espacio caracter stico. No existen pesos entre los nodos de entrada y los nodos intermedios. El vector de entrada es enviado a cada nodo de la capa escondida, donde se evalua de la siguiente manera: ym = fm (x ) = e
x cm 2 2 2

Donde x cm 2 es la raiz de la distancia entre el vector de entrada x y el centro cm .

Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Arquitectura II

Figura: Red Neuronal de Base Radial[1]

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Arquitectura III

Los valores {ym } son las salidas de las funciones de base radial y son multiplicados por los pesos que son representados por las l neas entre la capa escondida y la capa de salida: zj = (1/M )
m=1,M

umj ym

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Entrenamiento
n Descripcio El entrenamiento de la red neuronal tiene dos etapas, entrenamiento de la capa escondida, que consiste en calcular los centros, amplitudes y el n umero de centros, y entrenamiento de los pesos entre la capa escondida y la capa de salida. Para la primera etapa se utilizan como centros a todas las entradas del entrenamiento(rostros de entrenamiento preprocesados), y las amplitudes se calculan como el promedio de las distancias hacia los otros centros. En la segunda etapa se realiza un entrenamiento tipo perceptron que tiene como objetivo reconocer todas las entradas de entrenamiento.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Elementos

Una poblaci on de cromosomas. La selecci on esta denida por la aptitud. El cruzamiento produce descendencia. La mutaci on aleatoria produce descendencia.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Algoritmo I
1

Comenzamos generando una poblaci on de n cromosomas(k bit ) (soluciones candidatas al problema). Calculamos la aptitud f (x ) para cada cromosoma x de la poblaci on. Repetimos los siguientes pasos hasta crear n descendientes.
1

Seleccionamos un par de cromosomas(padres) de la poblaci on actual, la probabilidad de selecci on aumenta en funci on a la aptitud. La selecci on puede escoger m as de una vez al mismo cromosoma para ser padre. Con la probabilidad pc (tasa de cruzamiento), se cruzan los dos cromosomas en un punto aleatoriamente escogido, para formar nuevos cromosomas(descendencia). Si el cruzamiento no se lleva a cabo, la descendencia es una copia exacta de los cromosomas padres.
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Eigenfaces Red Neuronal de Base Radial Algoritmo Gen etico

Algoritmo II

Con la probabilidad pm (tasa de mutaci on), se mutan los dos cromosomas(descendencia) y el resultado se ingresa a la nueva poblaci on.

4 5

Reemplazar la poblaci on actual con la nueva poblaci on. Ir al paso 2.

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

n I Descripcio
El presente trabajo propone un modelo h brido(redes neuronales y algoritmos gen eticos) para el reconocimiento de rostros en video; este problema lo dividiremos en dos etapas, la etapa de detecci on de rostros y la de reconocimiento o identicaci on de rostros. En la etapa de detecci on de rostros se utilizara un Clasicador en Cascada con Filtros Haar, el siguiente paso en la aplicaci on es la extracci on de caracter sticas, para esto se utilizar a Eigenfaces(PCA), luego en la etapa de reconocimiento de rostros, se utilizara como clasicador al sistema h brido propuesto, donde la red neuronal ser a la encargada del proceso de clasicaci on propiamente dicho y el algoritmo gen etico se encargar a de la optimizaci on de la arquitectura[?] de la red neuronal.
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

n II Descripcio
Para su implementaci on se utilizar a la librer a OpenCV. Esta librer a nos permite reproducci on y manipulaci on de im agenes y video, adem as, tiene entrenado un clasicador(detector) de rostros el cual ser a usado en la primera etapa(Filtros Haar).

Figura: Red Neuronal

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

n III Descripcio

Figura: Modelo H brido: Donde las conexiones entre la capa de entrada y oculta son optimizadas por el algoritmo gen etico

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Figura: Proceso de Entrenamiento

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Figura: Proceso de Reconocimiento

Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Diagrama de Componentes

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Diagrama de Casos de Uso I

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Diagrama de Casos de Uso II

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Diagrama de Clases

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Hardware
Computador Personal: PC Athlon K-7 AMD 750 MHz Memoria RAM: 371 MB Tarjeta de Video: S3 Trio 3D/2X 8 MB

Software
Sistema Operativo: Slackware 12.2 32-bit Librerias: OpenCV 1.1 Lenguaje de Programaci on: C++ Editores de Video: MEncoder 4.2.4, FFmpeg 0.5 Reproductor de Video: Mplayer Editor: Vim

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

1 2

n Introduccio n de Rostros Deteccio

Clasificadores en Cascada y Filtro de Base Haar

Reconocimiento de Rostros
Eigenfaces Red Neuronal de Base Radial tico Algoritmo Gene

Propuesta
Proceso de Entrenamiento Proceso de Reconocimiento Diagramas Recursos

Resultados
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Video(6 individuos) I

Figura: Informaci on del Video

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Video(6 individuos) II

Figura: Antes y Despu es del Reconocimiento

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Video(4 individuos) I

Figura: Informaci on del Video

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Video(4 individuos) II

Figura: Antes y despu es del Reconocimiento

Samanez G., D. J.

Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Referencias I
Radial Basis Function Neural Network Tutorial Pisarevsky, V. OpenCV Object Detection: Theory and Practice Bradski, G., Kaebler, A. Learning OpenCV: Computer Vision with the OpenCV Library Turk, Matthew A., Pentland, Alex P. Face Recognition Using Eigenfaces Turk, Matthew A., Pentland, Alex P. Eigenfaces for Recognition Viola, P., Jones, M. Robust Real-Time Face Detection Viola, P., Jones, M. Rapid Object Detection using a Boosted Cascade of Simple Features
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Referencias II
Guevara, M., Echeverry, J., Ardila, W. Detecci on de Rostros en Im agenes Digitales usando Clasicadores en Cascada Freund, Y., Schapire, R. A decision-theoretic generalization of on-line learning and an application to boosting Face Recognition using OpenCV http://opencv.willowgarage.com/wiki/ FaceRecognition[ ultimo acceso Mar 2009] Hewitt, R. Seeing with OpenCV, Part 2: Finding Faces in Images http://www.cognotics.com/opencv/servo 2007 series/ part 2/index.html[ ultimo acceso Mar 2009]
Samanez G., D. J. Reconocimiento de Rostros

Introducci on Detecci on de Rostros Reconocimiento de Rostros Propuesta Resultados

Referencias III

Hewitt, R. Seeing with OpenCV, Part 4: Face Recognition with Eigenface http://www.cognotics.com/opencv/servo 2007 series/ part 4/index.html[ ultimo acceso Mar 2009]

Samanez G., D. J.

Reconocimiento de Rostros