Uno de los temas más destacados del área de visión artificial se deriva del análisis facial automático. En particular, la detección precisa de caras humanas y el análisis biométrico de las mismas son problemas que han generado especial interés debido a la gran cantidad de aplicaciones que actualmente hacen uso de estos mecanismos.
En esta Tesis Doctoral se analizan por separado los problemas relacionados con detección precisa de caras basada en la localización de los ojos y el reconocimiento facial a partir de la extracción de características locales de textura. Los algoritmos desarrollados abordan el problema de la extracción de la identidad a partir de una imagen de cara (en vista frontal o semi-frontal), para escenarios parcialmente controlados. El objetivo es desarrollar algoritmos robustos y que puedan incorporarse fácilmente a aplicaciones reales, tales como seguridad avanzada en banca o la definición de estrategias comerciales aplicadas al sector de retail.
Respecto a la extracción de texturas locales, se ha realizado un análisis exhaustivo de los descriptores más extendidos; se ha puesto especial énfasis en el estudio de los Histogramas de Gradientes Orientados (HOG features). En representaciones normalizadas de la cara, estos descriptores ofrecen información discriminativa de los elementos faciales (ojos, boca, etc.), siendo robustas a variaciones en la iluminación y pequeños desplazamientos.
Se han elegido diferentes algoritmos de clasificación para realizar la detección y el reconocimiento de caras, todos basados en una estrategia de sistemas supervisados. En particular, para la localización de ojos se ha utilizado clasificadores boosting y Máquinas de Soporte Vectorial (SVM) sobre descriptores HOG. En el caso de reconocimiento de caras, se ha desarrollado un nuevo algoritmo, HOG-EBGM (HOG sobre Elastic Bunch Graph Matching). Dada la imagen de una cara, el esquema seguido por este algoritmo se puede resumir en pocos pasos: en una primera etapa se extrae un grafo facial ubicando automáticamente los puntos más significativos de la cara; de cada uno de estos puntos, se extrae un descriptor local HOG y se concatenan. Finalmente, el vector de características biométricas pasa por una etapa de reducción de dimensionalidad. Al vector resultante se le aplica una clasificación basada en vecino más próximo (Nearest Neighbor) para asignarle una etiqueta (identidad de la persona).
Usando las base de datos de FRGC, se consiguió localizar ojos con una precisión del 92.3% con un error menor al 5% de la distancia inter-ocular, mejorando los resultados obtenidos por otros autores marcados como referentes. En reconocimiento de caras, usando la base de datos de FERET se ha demostrado que el uso de descriptores locales HOG proporciona mayor información bio-
metrica que otros descriptores clásicos como los coeficientes Gabor (en algunos casos mejorando hasta un 40% la tasa de reconocimiento). En la localización de puntos faciales característicos, el uso nuestro propio algoritmo proporcionó resultados comparables con el uso de otros grafos como Active Appearance Models (AAM). Por último, se ha demostrado que la inclusión de información de color en los descriptores HOG añade información útil para el reconocimiento, mejorando en la base de datos de FRGC hasta un 11% la tasa de reconocimiento frente a los descriptores trabajando con la intensidad de las imágenes.
Para evaluar el sistema totalmente automático de HOG-EBGM para reconocimiento de caras, se ha participado en el concurso internacional MOBIO sobre el desarrollo de nuevos algoritmos. MOBIO proporcionó una base de datos en formato de video grabado en escenarios realistas con un dispositivo móvil. Este concurso nos ha aportado un excelente contexto para comparar nuestra solución con la de otros participantes. En la evaluación de los resultados del concurso, HOG-EBGM se posicionó como la cuarta mejor solución.