RECONOCIMIENTO FACIAL BASADO EN EIGENFACES, LBHP Y FISHERFACES EN LA BEAGLEBOARD-xM

Carlos Esparza Franco, Christian Tarazona Ospina, Esdras Sanabria Cuevas, Daniel Velazco Capacho

Resumen


El presente trabajo consiste en la implementación de un sistema de detección de rostro aplicando procesamiento de imágenes, aplicando características basados en eigenfaces, Histogramas de patrones locales binarios LBPH y discriminantes Fisher
faciales, sobre el dispositivo embebido BeagleBoard-xM. Para desarrollar este Trabajo se empelaronlibrerías de OpenCV, Java, CMake y sistemas operativos como Debian y Ubuntusobre la BeagleBoard. La validación del sistema determinó que el mejor resultado se obtiene con la técnica de EigenFaces ya que presento menor error de clasificación y 0% de errores de falsos positivos.


Texto completo:

PDF

Referencias


Alvarado, J. D., & Fernández, J. (2012). Análisis de textura en imágenes a escala de grises, utilizando patrones locales binarios (LBP). ENGI Revista Electrónica de La Facultad de Ingeniería, 1(1), 1–6.

Álvarez, P. A. (2013). Prototipo de sistema piloto para control de acceso basado en reconocimiento de rostros. Universidad Militar Nueva Granada, Facultad de Ingeniería, Ingeniería en Multimedia.

BeagleBoard Group. (2014). BeagleBoard-xM. Retrieved May 15, 2015, from http://beagleboard.org/beagleboard-xm

Belhumeur, P. N., Hespanha, J. P., & Kriegman, D. J. (1997). Eigenfaces vs. fisherfaces: Recognition using class specific linear projection. Pattern Analysis and Machine Intell., IEEE Trans. on, 17(9), 711–720.

Ding, C., Xu, C., & Tao, D. (2015). Multi-task pose-invariant face recognition. Image Processing, IEEE Transactions on, 24(3), 980–993.

Ekman, P. (1993). Facial expression and emotion. American Psychologist, 48(4), 384.

Gottumukkal, R., & Asari, V. K. (2003). System level design of real time face recognition architecture based on composite PCA. In Proceedings of the 13th ACM Great Lakes symposium on VLSI (pp. 157–160). AMC.

Hassner, T., Harel, S., Paz, E., & Enbar, R. (2015). Effective face frontalization in unconstrained images. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 4295–4304).

Kanade, T., Cohn, J. F., & Tian, Y. (2000). Comprehensive database for facial expression analysis. In Automatic Face and Gesture Recognition, 2000. Proceedings. Fourth IEEE International Conference on (pp. 46–53). IEEE.

Kshirsagar, V., Baviskar, M., & Gaikwad, M. (2011). Face recognition using Eigenfaces. In Computer Research and Development (ICCRD), 2011 3rd International Conference on (pp. 302–306). IEEE.

Martínez, A. M., & Kak, A. C. (2001). PCA versus LDA. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 23(2), 228–233.

Pizarro Jara, P. A. (2011). Implementación en hardware de algoritmo de reconocimiento de rostros BDPCA+LDA. Universidad de Concepción. Facultad de Ingeniería. Departamento de Ingeniería Eléctrica.

Refaeilzadeh, P., Tang, L., & Liu, H. (2009). Cross-validation. In Encyclopedia of database systems (pp. 532–538). Springer.

Reyes López, C. (2005). Reconocimiento facial mediante visión artificial. Universidad de Sevilla, Escuela Técnica Superior de Ingenieros.

Seo, N. (1998). Eigenfaces and Fisherfaces. University of Maryland.

Shah, J. H., Sharif, M., Raza, M., & Azeem, A. (2013). A Survey: Linear and Nonlinear PCA Based Face Recognition Techniques. Int. Arab J. Inf. Technol., 10(6), 536–545.

Silva, E., Esparza, C., & Mejía, Y. (2012). POEMbased facial expression recognition, a new approach. In Image, Signal Processing, and Artificial Vision (STSIVA), 2012 XVII Symposium of (pp. 162–167). IEEE.

Turk, M., & Pentland, A. (1991). Eigenfaces for recognition. Journal of Cognitive Neuroscience, 3(1), 71–86.




DOI: https://doi.org/10.24054/16927257.v26.n26.2015.2387

Enlaces refback

  • No hay ningún enlace refback.

Comentarios sobre este artículo

Ver todos los comentarios