Un tema destacat del camp de la visió artificial és el derivat de l’anàlisi facial automàtica. En particular, la detecció precisa de cares i l’anàlisi biométrica de les mateixes, són problemes que han generat especial interès a causa de la gran quantitat d’aplicacions que actualment fan ús d’aquests mecanismes.
En aquesta tesi doctoral s’analitzen per separat els problemes derivats de dos temes: la detecció precisa de cares basada en la localització dels ulls, i el reconeixement facial a partir de l’extracció de caractarístiques locals de textura. Els algorismes desenvolupats se centren en resoldre el problema de l’extracció de la identitat a partir d’una imatge de cara (en vista frontal o quasi-frontal), per escenaris parcialment controlats. L’objectiu d’aquest treball és desenvolupar algorismes robusts i que puguen incorporar-se fàcilment en aplicacions reals, tals com a seguretat avançada en banca o la definició d’estratègies comercials aplicades al sector de ’retail’.
Respecte a l’extracció de textures locals, s’ha portat a terme una anàlisi exhaustiva d’alguns dels descriptors més estesos; especialment, s’han estudidat amb més deteniment els Histogrames de Gradients Orientats (HOG features). Fent servir representacions normalitzades de la cara, aquests descriptors ofereixen informació discriminativa dels elements facials (ulls, boca, etc.), mostrant robustesa a variacions en la iluminació i petits desplaçaments.
Així doncs, per realitzar la detecció i el reconeixement de cares s’han triat diferents algorismes de classificació han estat triats per realitzar la detecció i el reconeixement de cares, tots ells basats en una estratègia de sistemes supervisats. En particular, per la localització d’ulls s’han emprat classificadors boosting i SVM (Support Vector Machines) treballant amb descriptors HOG. En el cas de reconeixement de cares, s’ha desenvolupat un nou algorisme, l’HOG-EBGM (HOG on Elastic Bunch Graph Matching). Donada la imatge d’una cara, l’esquema seguit per aquest algorisme es pot resumir en diferents passos: de primer s’extrau un graf facial situant automàticament els punts més significatius de la cara; de cadascun d’aquests punts, s’extrau un descriptor local HOG i es concatenen. Finalment, el vector de característiques biométriques passa per una etapa de reducció de dimensionalitat. Al vector resultant se li aplica una classificació basada en veí més proper (Nearest Neighbor) per assignar-li una etiqueta (la identitat 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, usando la base de datos de FERET se ha demostrado que el uso de descriptores locales HOG proporciona mayor información biometrica 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 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.
Fent ús de la base de dades de FRGC, s’han localitzat ulls amb una precissió del 92.3%, amb un error menor al 5% de la distància inter-ocular, millorant els resultats obtinguts per altres autors considerats referents. En reconeixment de cares, fent ús de la base de dades de FERET s’ha demonstrat que l’utilització de descriptors locals HOG dona major informació biomètrica que altres descriptors més clàssics, com els coeficientes de Gabor (millorant en alguns casos fins al 40% la tasa de reconeixement). En la localització de punts característics facials, fent ús del nostre algoritme va donar resultats comparables als obtinguts amb altres algoritmes, com l’Active Appearance Models (AAM). Per ùltim, s’ha demonstrat que la inclusió d’informació de color en els descriptors HOG afegeix útil per al reconeixement, millorant en la base de dades FRGC fins a un 11% la tasa de reconeixment comparat en l’ús de descriptors treballant en imatges de intensitat.
Per avaluar el sistema totalment automàtic de HOG-EBGM de reconeixement de cares, s’ha participat en el concurs internacional MOBIO sobre el desenvolupament de nous algorismes. El MOBIO ens ha proporcionat una base de dades en format de video gravat en escenaris realistes amb un dispositiu móbil. Aquest concurs ens ha proporcionat un excel·lent context per comparar la nostra solució amb la d’altres participants. En la avaluació dels resultats del concurs, HOG-EBGM es va possicionar com a la quarta millor solució.