“UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO”

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

ESCUELA PROFESIONAL DE INGENIERÍA ELECTRÓNICA

TÉCNICAS DE
RECONOCIMIENTO FACIAL
PROYECTO DE INVESTIGACIÓN

ASESOR:
ING. Martin Nombera Lossio
 Problemática

 La ciudadanía se encuentra cada vez más

insatisfecha con la seguridad.
 Una problemática específica es el tema de la
falsificación
 Hasta ahora se las han arreglado para poder
falsificar, ya sea una contraseña de app, un
código de tarjeta, código de una cerradura
digital, contraseñas relacionadas con el tema
financiero, etc.
Objetivo General

• Dar a conocer las distintas técnicas de

reconocimiento facial empleadas hasta el
momento, cómo y en que se basan y como se
están aplicando hasta el momento.

Objetivos Específicos

• Explicar la estructura, algunas disciplinas, y fases

del reconocimiento facial.
• Dar a conocer los campos aplicativos y las
técnicas de reconocimiento facial empleadas en
las mismas.
• Dar a conocer como las diferentes tecnicas de
reconocimiento facial se vienen implementando
en el mundo real.
 RECONOCIMIENTO FACIAL
 Elreconocimiento facial es una herramienta que
nos permite identificar a una persona
automáticamente por medio de una imagen digital.
 La cara humana nos proporciona gran cantidad de
información sobre un sujeto.
 Un conjunto de rasgos localizados en posiciones
similares a lo largo de la población , por lo que un
sistema de reconocimiento facial puede
beneficiarse de esta característica.
 Los sistemas de reconocimiento facial que emplean
técnicas basadas en modelos son los que
aprovechan dichos rasgos.
 OREJAS

CEJAS 
Rasgos más significativos

OJOS

NARIZ

BOCA

FORMA DE LA
CARA

PELO
FASES DE UN SISTEMA DE
RECONOCIMIENTO FACIAL
 DETECCIÓN

 Detectar el rostro humano es el primer paso en

un sistema de reconocimiento facial.
 La fase de detección consiste en encontrar áreas
de la imagen que contengan una cara para
aislarlas del resto.
 Una de las fases más importante de la aplicación
 Existen varios métodos para detectar rostros, sin
embargo, el algoritmo de Viola-Jones, es el más
eficaz, obteniendo un mayor porcentaje de
aciertos respecto a sus pares, además de más
rapidez
 Algoritmo de Viola-Jones

 Destacapor su bajo coste computacional, lo

que permite que sea empleado en tiempo
real.
 El algoritmo se basa en una serie de
clasificadores débiles denominados Haar-like
features. Que son los elementos básicos con
los que se realiza la detección.
 Este algoritmo considera regiones
rectangulares en una ventana de detección,
suma las intensidades de los píxeles en cada
región y calcula la diferencia entre estas
sumas.
 Imagen Integral:
 La suma de los píxeles de un rectángulo puede
ser calculada de manera muy eficiente
empleando una representación intermedia
denominada imagen integral
 Proceso de aprendizaje:
 Es necesario realizar un proceso de entrenamiento
supervisado para crear el clasificador
mediante una gran cantidad de imágenes positivas
(caras) e imágenes negativas (imágenes sin
caras).
 Cascada de clasificadores
 En vez de construir un único clasificador
mediante el proceso anterior, se construyen
clasificadores más pequeños y eficientes.
 PREPROCESADO

 Se lleva a cabo a partir de la información obtenida en la detección.

 En el preprocesado se utilizan cuatro fases para normalizar y alinear la imagen

Ecualización
Rotación Escalado Recorte del
Histograma
 EXTRACCIÓN DE CARACTERÍSTICAS

 Seemplea para obtener la información que resulta relevante de cara a

realizar una comparación.
 COMPARACIÓN Y DECISIÓN
 Se compara la información extraída del rostro que
se quiere reconocer con los datos que hay
almacenados en la base de datos.
TÉCNICAS DE RECONOCIMIENTO
FACIAL
 Basados en apariencia
 PCA (Principal Componente Análisis)
 Transforma un número de variables posiblemente
correlacionadas en un pequeño número de variables no
correlacionadas llamadas componentes principales
 PCA está basado en la Transformada de Karhunen-Loeve (KLT).
 Permite representar una imagen de una cara usando una base
que se ha conseguido a partir de muchas observaciones de
diferentes caras.
 El objetivo de este método consiste en representar una imagen
en términos de un sistema de coordenadas óptimo reduciendo
el número final de componentes que tendrá la imagen.
 LDA (Lineal Discriminant Analysis)
 Busca obtener una separación lo más grande
posible entre clases para lo cual proyecta
los datos en un espacio de menor (o incluso
igual) dimensión que los datos entrantes.
 Para poder aplicar este método es necesario
disponer de un conjunto de caras de
entrenamiento
 LDA no busca en ningún momento minimizar
el error de representación cometido, como
se hace en PCA
 LPP (Locality Preserving Projections)
 Es rápido y útil para aplicaciones prácticas ya que
reduce la dimensionalidad de los datos
 A diferencia de PCA que conserva la estructura global
de estos datos, en LPP se conserva la estructura local.
 Presenta dificultad cuando se requiere recuperar los
datos originales a partir de los datos proyectados al
nuevo subespacio
Basados en Modelo
 Tratan de obtener características biométricas de las
imágenes para realizar el reconocimiento.
 Estos sistemas requieren un conocimiento previo de las
imágenes, además de ser más lentos y complejos que los
sistemas basados en apariencia.
 Análisis de distancias a puntos característicos:
 Puntos geométricos de la cara.
 Cuantos más puntos característicos son detectados,
mayor número de distancias podrán ser calculadas
obteniendo así mejores resultados en el reconocimiento
 Local Binary Patterns
 Buen descriptor de texturas a nivel local.
 Utilizado
en muchas aplicaciones de tratamiento
de imágenes y reconocimiento de patrones.
 LBP etiqueta cada píxel de la imagen de acuerdo
a los valores de sus píxeles vecinos.
 Este proceso tiene la gran ventaja de ser sencillo
de implementar y rápido de aplicar en una
imagen
 Elastic Bunch Graph Matching
 fue diseñada para realizar tareas de
reconocimiento facial utilizando solamente
algunos puntos de interés y no la cara.
 La implementación de este algoritmo requiere el
uso de las wavelets de Gabor, que son filtros paso
banda.
 La primera parte del algoritmo trata la extracción
de las características locales.
 Posteriormente, cada nodo del grafo es
caracterizado utilizando un banco de filtros de
Gabor de diferentes frecuencias y orientaciones.
 Finalmente, para una imagen nueva se busca en la
base de datos el conjunto de jets que sean más
similares.
 Hidden Markov Models
 Estas técnicas presentan robustez frente a cambios de
iluminación, expresión y orientación.
 Utilizan regiones horizontales de píxeles que albergan a la
frente, ojos, nariz, boca y barbilla sin obtener la posición
exacta de cada rasgo
 VENTAJAS

Baja Gran poder Disponibilidad

Simetría
intrusividad discriminante extendida
 INCONVENIENTES

Entornos no Situaciones
Variabilidad
controlados particulares
 CONCLUCIONES
 Elreconocimiento facial le da al usuario lo que realmente
necesita, más seguridad y sentir la confianza de que no les pasará
nada a sus cuentas o los bienes con que interactúa.
 En la actualidad no existe una técnica de reconocimiento que en
realidad pueda ser considerada como la mejor, todo depende de
las condiciones en la que se quiera implementar el sistema, sin
embargo, la herramienta biométrica de reconocimiento facial es
una casi impenetrable.
GRACIAS