Facial detection and recognition system using hybrid techniques in images and video sequences
Barra lateral del artículo
Contenido principal del artículo
Resumen
Reconocer la identidad de un individuo de forma automática es una tarea que no logra alcanzar una tasa de éxito del 100%, por lo que se buscó mejorar la tasa de reconocimiento, usando los métodos de extracción y clasificación de características para mejorar el ratio de reconocimiento de rostros mediante la representación de las imágenes, utilizando la transformada Wavelets de Gabor sobre las imágenes en escala de grises obtenida y la realización normalizada de las imágenes originales, además a la nueva representación obtenida, se aplicó la técnica de Análisis de Componentes Principales (PCA) para formar el vector característico de las imágenes de rostros. Por otra parte, se aplicó un clasificador basado en Maquinas de Soporte Vectorial (SVM). El método fue probado sobre una base de datos de imágenes de rostros constituida por bancos de rostros FERET, ORL e imágenes obtenidas por los responsables de la investigación, logrando los resultado de la combinación de las técnicas Transformada Wavelet de Gabor y Análisis de Componentes Principales en el proceso de extracción de características y la clasificación de imágenes basada en Maquinas de Soporte Vectorial, y se ha logrado una tasa de reconocimiento superior al 95%.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuando un autor crea un artículo y lo publica en una revista, los derechos de autor pasan a la revista como parte del acuerdo de publicación. Por lo tanto, la revista se convierte en la dueña de los derechos de reproducción, distribución y venta del artículo. El autor conserva algunos derechos, como el derecho a ser reconocido como el creador del artículo y el derecho a utilizarlo para sus propios fines académicos o de investigación, a menos que se acuerde lo contrario en el contrato de publicación.
Cómo citar
Referencias
. J. Zhou, Z. Ji, L. Shen, Z. Zhu and S. Chen, "PSO Based Memetic Algorithm for Face Recognition Gabor," in IEEE Conference Memetic Computing, 2011.
A. K. Jain, B. Klare and U. Park, "Face Recognition: Some Challenges in Forensics," in IEEE International Conference Automatic Face & Gesture Recognition and Workshops (FG 2011), 2011.
K. Takeo, "Picture processing system by computer complex and recognition of human faces," Kyoto University, Kyoto, 1973.
M. Kirby and L. Sirovich, "Application of the Karhunen-Loeve procedure for ehe Characterization," in IEEE Trans. Pattern Anal, Vol. 12,Nro1, 1990.
L. Sirovich and M. Kirby, "Low dimensional procedure for the caracterization of hyman faces," in J. Opt. Soc. Am, Vol 4 Nro3, 1987.
M. Turk and A. Pentland, "Face recognition using eigenfaces," in IEEE Conference on computer Vision and Pattern Recognition, Hawaii, 1991.
P. Belhumeur, J. Hespanha and D. Kriegman, "Eigenfaces vs. Fisherfaces," in Trans. Pattern Anal. Mach, vol.19, Nro7, 1997.
K. Etemad and R. Chellapa, "Face recognition using discriminant eigenvectors," in Proceedings of the International Conference on Acoustic, Speech and Signal Processing, 1996.
M. Lades, J. Buhmann, C. Vonder Malsburg, R. Wurtz and W. Konen, "Distortion invariant object recognition in the dynamic link arquitecture," in IEEE Trans. Comput, vol. 42, 1993.
L. Wiskott, J. Fellous, N. Kruger and C. Malsburg, "Face recognition by elastic bunch graph," in IEEE Trans. Pattern Anal Mach, vol 19 Nro 7, 1997.
C. Wang, L. Lan, Y. Zhang and M. Gu, "Face Recognition Based on Principle Component Analysis and Support Vector Machine," in IEEE Conference Intelligent Systems and Applications (ISA), 2011.