diseo e implementacin de un herramienta de deteccin facial

Instituto Politécnico Nacional Centro de Innovación y Desarrollo

Tecnológico en Cómputo

Diseño e implementación de una herramienta de detección facial

TESIS

QUE PARA OBTENER EL GRADO DE MAESTRÍA EN TECNOLOGÍA DE CÓMPUTO

PRESENTA:

MARÍA ESTHER GARCÍA CHANG

DIRECTORES DE TESIS:

M. en C. Jesús Antonio Álvarez Cedillo

Dra. Hind Taud

México D.F., Junio 2009.

Diseño e implementación de un herramienta de detección facial

2


3


4

Resumen

Aunque el reconocimiento de rostro humano sea un tema difícil debido a varios

parámetros implicados, llega a ser de interés cada vez mayor en diversos campos de

aplicaciones como en la identificación personal, la interface hombre‐máquina, etc. La

mayoría de las imágenes del rostro contienen un fondo que se debe eliminar antes del

siguiente proceso del reconocimiento de lo mismo. Así esta tesis trata del diseño y la

implementación de un sistema de detección facial como el primer paso en el proceso de

reconocimiento de rostro. En la literatura científica, uno de los trabajos importantes de

detección de rostros en tiempo real es un método basado en el aprendizaje de Adaboost.

Por su eficiencia, este método ha sido elegido.

La principal aportación en este trabajo, es identificar un método de detección de rostro en

tiempo real, realizar una descripción detallada de sus etapas y su implementación basada

en la biblioteca OpenCV, en conjunto, permiten diseñar aplicaciones para imágenes fijas o

de video para cualquier tipo de cámara web.


5

Abstract Although human face recognition is a hard topic due to many parameters involved, it

becomes of increasing interest in numerous application fields as the personal

identification, the man‐machine interfaces, etc. Most face images contain a background

that must be discarded before subsequent face recognition process. Thus this thesis deals

with the design and the implementation of a system of facial detection as a first step in the

face recognition process. In scientific literature, one of the outstanding works in face

detection in real time is a method based in Adaboost learning. Because of its efficiency,

the implementation of this method has been chosen.

The main contribution in this work is to identify a method of face detection in real time, to

realize a detailed description of its stages and their implementation based on the OpenCV

library, altogether, allow designing applications in fixed images or video for any type of

camera Web.


6

"De nuestros miedos

nacen nuestros corajes, y en nuestras dudas

viven nuestras certezas. Los sueños anuncian otra realidad posible,

y los delirios otra razón. En los extravíos

nos esperan los hallazgos porque es preciso perderse para volver a encontrarse."

Eduardo Galeano


7

Agradecimientos

Gracias a mis hijos Jeniffer y Diego

Esta tesis es por ellos que los amo y son mi vida.

Gracias a mis padres Esther y Rodolfo

Por su cariño, apoyo, comprensión y brindarme todo su amor, apoyo incondicional y por

haber creído en mí siempre.

A mis hermanos Manuel y Rodolfo

Por compartir conmigo tantas cosas, estar a mi lado cuando más los necesito.

A mi director de tesis Hind Taud

Por su infinita paciencia y ayuda en este trabajo, por sus consejos, por confiar en mí pero

sobre todo por su amistad.

A mi director de tesis Jesús Antonio Álvarez Cedillo

Por haberme dado su confianza y amistad.

A mis amigos y compañeros

Por su apoyo y ayuda.

Gracias a cada uno de mis maestros

Que participaron en mi desarrollo profesional sin su ayuda y conocimientos no estaría en

donde me encuentro ahora, especialmente al Dr. Lindig Bos que me motivó a estudiar una

Maestría.

Gracias a mi Comité revisor

Dr. Víctor Manuel Silva García, M. en C. Eduardo Rodríguez Escobar, M. en C. Rolando

Flores Carapia, M. en C. Juan Carlos Herrera Lozada por proporcionarme toda su ayuda así

como sus conocimientos.

Gracias al Instituto Politécnico Nacional y al Centro de Innovación y Desarrollo

Tecnológico en Cómputo

Por todo el conocimiento adquirido durante los años de estudio.


8

En general quisiera agradecer a todas y cada una de las personas que han vivido conmigo

la realización de esta tesis de maestría, con sus altos y bajos y que no necesito nombrar

porque tanto ellos como yo sabemos que desde los más profundo de mi corazón les

agradezco el haberme brindado todo el apoyo, colaboración, ánimo y sobre todo cariño y

amistad.


9

Índice General

Resumen ...................................................................................... 4

Abstract ....................................................................................... 5

Índice de Figuras ........................................................................ 12

Índice de Tablas.......................................................................... 14

Glosario de Términos ................................................................. 15

Capítulo 1 ................................................................................... 16

Introducción ............................................................................... 16

1.1 Antecedentes .......................................................................................................................... 16

1.2 Objetivo del trabajo ................................................................................................................ 19

1.2.1 Objetivo general ............................................................................................................... 19

1.2.2 Objetivos particulares ...................................................................................................... 19

1.3 Justificación. ............................................................................................................................ 19

1.4 Planteamiento del Problema................................................................................................... 20

1.5 Organización de la tesis ........................................................................................................... 20

Capítulo 2 ................................................................................... 22

Estado del arte ........................................................................... 22

2.1 Detección y reconocimiento de rostro .................................................................................... 22

2.2 Retos de la detección facial ..................................................................................................... 22

2.2.1 Escala ................................................................................................................................ 23

2.2.2 Pose .................................................................................................................................. 23

2.2.3 Iluminación ....................................................................................................................... 24

2.2.4 Expresión Facial ................................................................................................................ 24

2.2.5 Oclusión ............................................................................................................................ 25

2.2.6 Edad .................................................................................................................................. 25

2.3 Reconocimiento de Patrones .................................................................................................. 25

2.3.1 Introducción ..................................................................................................................... 25


10

2.3.2 Aprendizaje ...................................................................................................................... 27

2.3.3 Enfoques de reconocimiento de patrones ....................................................................... 27

2.3.4 Selección de variables ...................................................................................................... 28

2.4 Algoritmos del reconocimiento facial ..................................................................................... 29

2.4.1 Reducción de dimensionalidad ........................................................................................ 29

2.4.2 Técnicas de grafos: “Elastic Bunch Graph Matching” EBGM ........................................... 31

2.4.3 Transformación de huella ................................................................................................ 31

2.4.4 Modelo activo de apariencia ........................................................................................... 32

2.4.5 Reconocimiento Facial 3‐D ............................................................................................... 32

2.4.6 Enfoque Bayesiano ........................................................................................................... 33

2.4.7 Máquinas de soporte vectorial ........................................................................................ 33

2.4.8 Redes neuronales ............................................................................................................. 34

2.4.9 Boosting y adaboost ......................................................................................................... 35

Capítulo 3 ................................................................................... 37

Marco Teórico ............................................................................ 37

3.1 Descripción general ................................................................................................................. 38

3.1.1 Preprocesamiento ............................................................................................................ 39

3.1.2 Extracción de descriptores ............................................................................................... 43

3.1.3 Block de decisión .............................................................................................................. 44

3.2 Descriptores de Harr .............................................................................................................. 45

3.3 Imagen Integral ....................................................................................................................... 47

3.3.1 Importancia de los descriptores de Harr‐Like .................................................................. 49

3.4 Algoritmos de Aprendizaje ...................................................................................................... 50

3.5 Las Funciones de clasificación en cascada .............................................................................. 53

3.5.1 Disposición de las funciones de clasificación ................................................................... 54

3.5.2 Árbol de funciones del clasificador .................................................................................. 56

3.5.3 Importancia de la estructura en cascada. ....................................................................... 57

Capítulo 4 ................................................................................... 60

Implementación del algoritmo ................................................... 60

4.1. Elementos computacionales. ................................................................................................. 60


11

4.1.1 Microsoft Visual Studio. ................................................................................................... 60

4.1.2 Open CV ............................................................................................................................ 61

4.1.3 Emgu. ................................................................................................................................ 62

4.2 Entrenamiento usando Haartraining....................................................................................... 62

4.2.1 Imágenes de muestra ....................................................................................................... 63

4.2.2 Preparación de muestra ................................................................................................... 63

4.2.3 Obtención del clasificador ................................................................................................ 65

4.2.4 Rendimiento del clasificador ............................................................................................ 66

4.3 Implementación ...................................................................................................................... 67

4.3.1 Requerimientos mínimos del sistema .............................................................................. 67

4.3.2 Software desarrollado ...................................................................................................... 67

4.3.3 Función de detección de objetos de OpenCV. ................................................................. 71

4‐3.4 Funciones de clasificación en cascada ............................................................................. 73

4.3.5 Detección combinada: rostro‐ojo .................................................................................... 76

Capítulo 5 ................................................................................... 77

Experimentación y resultados .................................................... 77

5.1 Experimentación ..................................................................................................................... 77

5.2 Resultados ............................................................................................................................... 78

5.3 Conclusión ............................................................................................................................... 79

Capítulo 6 ................................................................................... 92

Conclusiones y trabajo a futuro .................................................. 92

6.1 Conclusiones ............................................................................................................................ 92

6.2 Trabajo a futuro....................................................................................................................... 94

Referencias .................................................................................................................................... 95


12

Índice de Figuras

Figura 1.1 Estructura de un sistema de verificación, el cual está compuesto de dos módulos, detección de

rostros y verificación ................................................................................................................................ 17

Figura 1.2 Etapas de un sistema de reconocimiento facial ............................................................................... 18

Figura 2.1 Rostros en diferentes escalas ........................................................................................................... 23

Figura 2.2 Rostros con diferentes poses .......................................................................................................... 23

Figura 2.3 Rostros con diferente iluminación .................................................................................................. 24

Figura 2.4 Rostros con diferente expresión ...................................................................................................... 24

Figura 2.5 Rostros en oclusión .......................................................................................................................... 25

Figura 2.6 Rostros de la misma persona con edad diferente ............................................................................ 25

Figura 2.7 Ejemplo simple de reconocimiento de patrones; en la izquierda conjunto de patrones, en la

derecha patrones clasificados en dos clases. .......................................................................................... 26

Figura 3.1 Detección Facial ............................................................................................................................... 39

Figura 3.2 Conversión YUV a partir RGB ........................................................................................................... 40

Figura 3.3 Interpolación bicúbica con el valor de los 16 puntos vecinos .......................................................... 41

Figura 3.4 Ecualización del histograma H; ........................................................................................................ 41

Figura 3.5 Mejoramiento del contraste por ecualización del histograma; la izquierda: imagen original; la

derecha: imagen con ecualización del histograma. ................................................................................. 42

Figura 3.6 Ejemplo de detección del borde de Canny: ..................................................................................... 43

Figura 3.7 Sistema de detección de Viola y Jones [36] ..................................................................................... 45

Figura 3.8 Representación de un descriptor ..................................................................................................... 46

Figura 3.9 Los tres tipos de descriptores de Haar............................................................................................. 46

Figura 3.10 Extensión de los descriptores de Haar. .......................................................................................... 47

Figura 3.11 El valor de la imagen integral al punto (x, y) es igual a la suma de todos los píxeles situados

encima y a la izquierda. ........................................................................................................................... 48

Figura 3.12 La suma del Píxel en el rectángulo D puede ser calculada con solamente cuatro referencias. El

valor de la imagen integral en el lugar 1 es la suma del Píxel en el rectángulo A. El valor en el lugar 2 es

A + B, en el lugar 3 es A + C, y en el lugar 4 es ......................................................................................... 48

Figura 3.13 Los dos descriptores de Haar más discriminantes seleccionados por Adaboost ........................... 53

Figura 3.14 Esquema del árbol de las funciones de clasificación en cascada, n: clasificador, V: verdad, F: Falso.

................................................................................................................................................................. 55

Figura 3.15 Comparación entre un detector de rostro simple compuesto de 200 funciones de clasificación y

un detector compuesto de 20 períodos de prácticas de 10 funciones de clasificación [38]. .................. 58


13

Figura 4.1 Pasos para creación del clasificador ................................................................................................ 63

Figura 4.2 Pantalla principal del software ........................................................................................................ 68

Figura 4.3 Primera elección del software ......................................................................................................... 68

Figura 4.4 Selección de tipo de imágenes ........................................................................................................ 69

Figura 4.5 Elección de la ruta de la imagen a tratar ......................................................................................... 69

Figura 4.6 Resultado del algoritmo de detección de rostro .............................................................................. 70

Figura 4.7 Opción de video: iniciar, detener y cerrar ........................................................................................ 71

Figura 5.1 Diferentes pruebas con 3 clasificadores .......................................................................................... 85

Figura 5.2 Diferentes pruebas con 3 clasificadores: (a) Clasificación rostro con ojo frontalface_alt.xml, (b)

Clasificación carafrontal_alt.xml,(c) Clasificación cara frontalface_alt‐tree.xml ..................................... 91


14

Índice de Tablas

Tabla 3.1 El algoritmo de Adaboost ...................................................................................... 52

Tabla 4.1 Función de detección de objetos de OpenCV ....................................................... 72

Tabla 4.2 Estructura del árbol ............................................................................................... 74

Tabla 4.3 Estructura de una fase ........................................................................................... 75

Tabla 4.4 La estructura de la función de clasificación .......................................................... 75

Tabla 4.5 Las fases y sus funciones del archivo haarcascade_frontalface_alt.xml ............... 76


15

Glosario de Términos

AdaBoost: es una variante de boosting (adaptative boosting).

Boosting: un método de aprendizaje que se caracteriza por mejorar el resultado de otro

método de aprendizaje llamado base, mediante la aplicación repetida del mismo.

Falsas alarmas: falsos positivos.

Falsos positivos: Son aquellos objetos que son detectados pero que no deberían ser

detectados.

Falsos negativos: Son aquellos objetos que deberían ser detectados pero no se detectan.

Formato: una organización para almacenar datos digitales.

Histograma: la representación de la frecuencia de píxeles de cierto nivel de gris en función

de los niveles de gris.

Imagen: es una función que a cada par de coordenadas (x, y) (en el caso bidimensional)

asocia un valor relativo a alguna propiedad del punto que representa (por ejemplo su

brillo o su matiz).

Interpolación: construcción de nuevos puntos partiendo del conocimiento de un conjunto

discreto de puntos.

JPG: son las siglas de Joint Photographic Experts Group, es un formato de compresión de

imágenes.

Pixel: del inglés “picture element” es el elemento básico o más pequeño de una imagen.

Resolución espacial: El número de muestras por unidad de espacio sobre el objeto original

o el tamaño de un pixel por (ejemplo 2×2 cm).

Resolución radiométrica o espectral: el número de niveles posibles que puede tener como

valor un pixel.

Transformada de Haar: de los primeros ejemplos de transformadas ortonormales de

ondeletas.

XML: siglas de Extensible Markup Language, es un estándar para el intercambio de

formación estructurada entre diferentes plataformas. in


16

Capítulo 1

Introducción

Este capítulo presenta los antecedentes de la tesis, así como los objetivos de la misma, la

justificación del trabajo, el planteamiento del problema y la organización del documento.

1.1 Antecedentes

Las imágenes son ampliamente utilizadas como una de las fuentes más importantes de

información, sobre todo en el contexto de las aplicaciones centradas en el ser humano, tal

como: vigilancia de seguridad, desarrollo de sistemas biométricos, juegos multimedia de

interacción hombre‐máquina, rebotica, realidad virtual, videoconferencias, Indexación y

codificación [1].

Gracias al progreso tecnológico en la fabricación de sensores que captan las imágenes

digitales a un bajo coste y mejorando cada vez sus características, se puede constatar el

crecimiento de su utilización en diversos campos y aplicaciones.

Unos de estos campos es el desarrollo de sistemas biométricos, el cual notoriamente ha

crecido en estos últimos años. La biometría es una tecnología de seguridad basada en el

reconocimiento de una característica física e intransferible de las personas, tal como iris,

retina, rostro, sistema vascular, palma de la mano, huella dactilar, y voz.

El reconocimiento facial involucra el reconociendo de personas mediante sus

características faciales. Comparando a otros sistemas biométricos como ADN, la huella

dactilar o la voz, el reconocimiento facial es una técnica no intrusiva. Desde el primer

sistema automático desarrollado por Kanade [2] un creciente interés ha sido dado al

reconocimiento facial. La evolución de los sistemas de cómputo, así como los últimos

progresos en reconocimientos de patrones hacen que los sistemas de reconocimiento


17

facial se puedan realizar en tiempo real y obtener resultados satisfactorios bajo

condiciones controladas llevados a diferentes aplicaciones.

Un sistema de reconocimiento facial se puede realizar de dos modos diferentes:

verificación o autentificación e identificación. La verificación involucra la confirmación o la

negación de la identidad reclamada por una persona (uno‐a‐uno). Por otro lado, la

identificación procura establecer la identidad de una persona dada que se encuentra en

un grupo de N personas (uno a N). Mientras que verificación e identificación a menudo

comparten los mismos algoritmos de clasificación, ambos modos apuntan a aplicaciones

distintas.

En el modo de verificación, las principales aplicaciones conciernen al control de acceso,

por ejemplo: acceso a una computadora, entrada a un dispositivo móvil, control de

puertas, acceso a bancos de datos, etc. Un sistema biométrico presenta múltiples ventajas

sobre sistemas tradicionales de acceso de seguridad: la firma biométrica no puede ser

robada, olvidada , perdida , ni transmitida, como en el caso de un documento de

identificación. En el modo de identificación, las aplicaciones potenciales implican

principalmente video vigilancia (lugares públicos, zonas prohibidas, etc.), la recuperación

de la información (bases de datos, la gestión de datos multimedia, etc.) o interacción

hombre‐máquina (videojuegos, etc.).

Figura 1.1 Estructura de un sistema de verificación, el cual está compuesto de dos módulos, detección de rostros y verificación

Un sistema automático de verificación del rostro está compuesto de dos etapas

principales (Fig. 1.1): detección de rostro (primera etapa) y verificación de rostro (segunda


18

etapa). En detección de rostro, el propósito es determinar si hay uno o más rostros en una

imagen (o video), y si es el caso, devolver su posición y escala. El termino localización es

empleada cuando hay únicamente un rostro en la imagen. La detección del rostro es un

ámbito de la investigación importante en la visión de computadora, porque sirve como un

primer paso necesario a cualquier sistema de procesamiento de rostro, como

reconocimiento de rostro, seguimiento de rostro, análisis de expresión. La mayor parte de

estas técnicas asumen, en general, que la región de rostro ha sido localizada

perfectamente. Por lo tanto, sus rendimientos dependen de una manera muy significativa

en la precisión del paso de detección de rostro. En la Figura 1.2 se puede apreciar las dos

etapas que constituyen un sistema de reconocimiento de rostro donde la detección es la

primera etapa y la verificación es la segunda etapa.

Detección

Verificación

Esther

Figura 1.2 Etapas de un sistema de reconocimiento facial


19

1.2 Objetivo del trabajo

1.2.1 Objetivo general

Desarrollar un sistema de detección facial como primera etapa en un sistema de

reconocimiento facial.

1.2.2 Objetivos particulares

• Estudio bibliográfico de los avances en el tema de detección facial.

• Identificar el algoritmo eficaz para el reconocimiento facial.

• Implementar este algoritmo.

• Crear un sistema que pueda ser reutilizado para otros proyectos y en otras

aplicaciones.

1.3 Justificación.

Se justifica el desarrollo de un sistema de detección de rostro por los siguientes puntos:

1. Es un área de investigación muy creciente en visión por computadora por la

amplia gama de aplicación centrada en el ser humano, la cual fue citada

anteriormente.

2. Sirve como un primer paso necesario a cualquier sistema de procesamiento de

rostro, como reconocimiento de rostro, seguimiento de rostro, análisis de

expresión.

3. Permitirá su uso en otros proyectos que se requieren desarrollar en este centro.


20

1.4 Planteamiento del Problema.

Aunque la detección de rostro es un campo de investigación muy activo, todavía se

considera una tarea difícil el reconocimiento de patrones, a causa de la alta variabilidad de

la apariencia del rostro. Los rostros son objetos no rígidos y dinámicos con una diversidad

grande en la forma, el color y la textura, debido a múltiples factores como la pose de la

cabeza, iluminación (contraste, las sombras), expresiones faciales, las oclusiones (lentes) y

otras características faciales (el maquillaje, la barba). La alta variabilidad en la apariencia

de rostro afecta más la detección de rostro que la variabilidad de la identidad del rostro.

Otra dificultad viene de la carencia de imágenes, debido a que éstas son tomadas de

referencia para la fase de entrenamiento. Los pocos datos disponibles generalmente no

son suficientes para cubrir la variabilidad en apariencia. Además, una diferencia

significativa entre las condiciones en la fase de entrenamiento y la fase de prueba puede

suceder. Por último, el rendimiento de un sistema de reconocimiento facial es relacionado

sumamente al resultado del paso de detección de rostro.

Buscar solucionar estos problemas será casi imposible, lo que se pretende en este trabajo

es tratar de encontrar una metodología eficaz entre las que existen para implementarla y

así desarrollar un sistema de detección de rostros con resultados satisfactorios bajo

condiciones bien definidas.

1.5 Organización de la tesis

Esta tesis se encuentra compuesta por 5 capítulos organizados de la siguiente manera:

1. El primer capítulo proporciona una introducción a la detección de rostro para

situarla en un sistema de reconocimiento de rostro. Se presentan los objetivos del

trabajo, la justificación del porque es importante contar con una sistema de

detección de rostro. Se describe el planteamiento del problema y la organización

de la tesis.


21

2. El segundo capítulo describe el estado del arte, en el cual se hace una investigación

sobre los trabajos relacionado con el tema de esta tesis.

3. El tercer capítulo presenta el marco teórico de la tesis, el cual contiene todos los

elementos o herramientas esenciales que componen el desarrollo de la misma.

4. El cuarto capítulo detalla la implementación de la metodología propuesta para

designar un sistema de detección de rostro así como los resultados obtenidos en

diferentes casos.

5. El quinto capítulo se presenta las experiencias hechas con diferentes imágenes así

como los resultados obtenidos en diferentes casos.

6. El sexto capítulo describe las conclusiones del trabajo haciendo énfasis en las

aportaciones de esta tesis, las ventajas y limitaciones de la técnica propuesta así

como los trabajos futuros que pueden desarrollarse tomando como base esta tesis.


22

Capítulo 2

Estado del arte

2.1 Detección y reconocimiento de rostro

La detección del rostro es el primer paso en un sistema de reconocimiento facial. Dada una

imagen o un video, un identificador de rostros debe de ser capaz de identificar y localizar

todos los rostros independientemente de su posición, escala, edad y orientación, la

detección debe ser ajena, independientemente de las condiciones de iluminación así como

el contenido de la imagen o video.

El reconocimiento del rostro es una tarea que los humanos realizan rutinariamente y

fácilmente en sus vidas diarias. Desarrollar algoritmos capaces de hacer esta tarea es uno

de los desafíos fundamentales donde la investigación quiere llegar. Diferentes subareas y

componentes abarcan el reconocimiento facial, detección, seguimiento, alineamiento,

extracción de rasgos, entrenamiento, identificación, clasificación, análisis de expresión

facial, análisis en 2 y 3 dimensiones entre otros [3]. Muchos de estos componentes

comparten las mismas técnicas y algoritmos de reconocimiento de patrones y análisis de

imágenes a pesar que apuntan aplicaciones distintas. Una clasificación y evaluación de

estas técnicas de detección facial se encuentra en el trabajo de revisión de Yang et al. [4] y

Li y Jain [5].

2.2 Retos de la detección facial

Algunos de los factores que afecta la detección facial, son la escala, la pose, iluminación, la

expresión facial, la oclusión y la edad.


23

2.2.1 Escala

En una imagen puede aparecer un grupo de diferentes escalas de rostros como se puede

apreciar en la Figura 2.1, el tamaño o escala de un rostro puede ser tratado por un simple

proceso de cambio de tamaño por deformación. Este proceso de transformación requiere

la localización de algunos puntos como los ojos, la nariz, y boca [6].

Figura 2.1 Rostros en diferentes escalas

2.2.2 Pose

El rendimiento de los sistemas de detección de rostro se ven afectados cuando hay

variaciones en la pose (Figura 2.2) ya que la mayoría de los trabajos están hechos para la

detección del rostro frontal [7].

Figura 2.2 Rostros con diferentes poses


24

2.2.3 Iluminación

Los problemas creados por la iluminación se pueden apreciar en la Figura 2.3, en la cual el

mismo rostro con la misma expresión facial, y vista desde el mismo punto de vista, se ve

diferente debido a los cambios de iluminación, estos suelen ser muy drásticos. [8].

Figura 2.3 Rostros con diferente iluminación

2.2.4 Expresión Facial

A diferencia de los efectos de escala, la pose y la iluminación, la expresión facial puede

modificar en forma significativa la geometría del rostro, como se muestra en la Figura 2.4,

las expresiones son significativas para la detección del rostro [9].

Figura 2.4 Rostros con diferente expresión


25

2.2.5 Oclusión

Es otro tema a confrontar para la detección facial, como lentes, bufandas todo lo que

pueda cambiar la apariencia del rostro como se muestra en la Figura 2.5. Existen diferentes

algoritmos para poder resolver este problema.

Figura 2.5 Rostros en oclusión

2.2.6 Edad

La edad es otro problema a confrontar para la detección facial, ya que una persona puede

tener cambios significativos a través de su vida, y las bases de datos algunas veces no

están actualizadas, todavía no existen técnicas para este problema (Figura 2.6).

Figura 2.6 Rostros de la misma persona con edad diferente

2.3 Reconocimiento de Patrones

2.3.1 Introducción

El reconocimiento es un atributo básico de los humanos. Se realizan actos de

reconocimiento en cualquier instante de la vida, se reconocen los objetos del entorno

donde se encuentran. El ser humano se mueve y actúa en relación a ellos, se puede

distinguir a una persona conocida ante una multitud, la voz de un amigo, los gestos de un

rostro, un texto escrito, el olor de un perfume particular, el sabor de una naranja o el tacto


26

de un trozo de hielo. En este sentido, los humanos son un sistema de información muy

sofisticado, con cualidades de reconocimiento muy elevadas.

El estudio de los problemas de reconocimiento puede dividirse en dos grandes áreas:

1‐El estudio de las habilidades o capacidades de reconocimiento de los seres

humanos son temas incluidos en disciplinas como la psicología, la fisiología.

2‐El desarrollo de teorías, métodos y técnicas para el diseño de sistemas capaces

de realizar ciertas tareas de reconocimiento en aplicaciones específicas, son temas que

caen dentro de las áreas de interés de la informática o computación en general y de la

inteligencia artificial y reconocimiento de formas en particular [10]. En este sentido El

reconocimiento de patrones es la disciplina científica cuyo objetivo es la clasificación de

objetos en unos ciertos números de categorías o clases (Figura 2.7).

Figura 2.7 Ejemplo simple de reconocimiento de patrones; en la izquierda conjunto de patrones, en la derecha patrones clasificados en dos clases.


27

2.3.2 Aprendizaje

Todo sistema de reconocimiento de patrones puede ser dotado de dos modos de

funcionamiento: el denominado de reconocimiento propiamente dicho y el de análisis o

aprendizaje. Las aproximaciones metodológicas al diseño de las etapas de aprendizaje

pueden ser:

Aprendizaje Supervisado: en este caso se dispone de una muestra controlada de cada una

de las clases de formas en el diseño del clasificador de la cual se conocen a priori las

etiquetas de pertenencia a clase de todos y cada uno de los elementos de dicha muestra.

El proceso de aprendizaje consiste en la determinación, en base a la muestra, de las reglas

de clasificación a partir de las regularidades de la misma.

Aprendizaje no Supervisado: en este caso no se dispone de las etiquetas de pertenencia a

clase de los elementos de la muestra controlada, por lo que antes de obtener las reglas de

clasificación es preciso analizar el conjunto de datos para determinar el número de clases

de formas que la constituyen así como sus regularidades.

Aprendizaje mediante Refuerzo: es un concepto extraído de la literatura de aprendizaje

animal, y se refiere a una clase de tareas y algoritmos de aprendizaje, para los cuales este

último se efectúa maximizando una evaluación escalar o refuerzo de la calidad de lo

aprendido acerca del problema en cuestión. Si la medida de calidad se obtiene tras cada

paso del proceso de aprendizaje por una muestra, el procedimiento se denomina de

refuerzo inmediato, mientras que si se obtiene el refuerzo, no para cada muestra sino

para un colectivo de ellas, el procedimiento se denomina de refuerzo retardado.

2.3.3 Enfoques de reconocimiento de patrones

En la literatura especializada en reconocimiento de patrones hay varias técnicas que

pueden ser clasificadas según el enfoque:

Geométrico: en éste enfoque se emplea el cálculo de distancias, geometría de

formas, vectores numéricos, puntos de atracción, etc.


28

Estadístico: Este enfoque se basa en la teoría de probabilidad y estadística y

supone que se tiene un conjunto de medidas numéricas con distribuciones de

probabilidad conocidas y a partir de ellas se hace el reconocimiento.

Sintáctico –Estructural: Este enfoque se basa en encontrar las relaciones

estructurales que guardan los objetos de estudio, utilizando la teoría de lenguajes

formales. El objetivo es construir una gramática que describa la estructura del

universo de objetos.

Redes Neuronales: Este enfoque supone que se tiene una estructura de neuronas

interconectadas que se estimulan unas a otras, las cuales pueden ser “entrenadas”

para dar una cierta respuesta cuando se le presentan determinados valores.

Lógica Combinatoria: Este enfoque se basa en la idea de que la modelación del

problema debe ser lo más cercana posible a la realidad del mismo, sin hacer

suposiciones que no estén fundamentadas. Uno de los aspectos esenciales del

enfoque es que las características utilizadas para describir a los objetos de estudio

deben ser tratadas cuidadosamente.

2.3.4 Selección de variables

Uno de las etapas cruciales en reconocimiento de patrones es la selección de variables,

que pueden ser usadas para dos tareas:

Para la Clasificación: La selección de características relevantes, a partir del conjunto total

de características que describen a los objetos, se hace con dos motivos fundamentales:

mejorar la clasificación y/o aumentar la velocidad de procesamiento.

Para la Representación: Decidir cuáles características representan mejor a cierto tipo de

objetos.


29

2.4 Algoritmos del reconocimiento facial

Las técnicas desarrolladas para el reconocimiento facial están inspiradas totalmente en los

métodos y teorías matemáticas del reconocimiento de patrones. Algunas de estas técnicas

se describen a continuación.

2.4.1 Reducción de dimensionalidad

Tres algoritmos son bien conocidos en el mundo del reconocimiento e identificación de

rostros: Análisis de componentes principales (ACP), Análisis de componentes

independientes (ACI), Análisis Discriminatorio Lineal (ADL). Todos ellos pertenecen a un

grupo de técnicas estadísticas multivariantes descriptivas. Se obtienen la reducción de

dimensionalidad mediante la proyección en subespacios de menor dimensión.

2.4.1.1 Análisis de componentes principales (ACP)

El Análisis de Componentes Principales (ACP) es un enfoque que ha sido muy difundido,

especialmente en el tratamiento de grandes masas de datos. Según los campos de

aplicaciones el ACP es reconocido bajo el nombre de la transformación de karhunen‐Loeve

o transformación de Hotelling, o de descomposición ortogonal.

El ACP permite reducir la dimensionalidad de los datos, transformando el conjunto de p

variables originales en otro conjunto de q variables incorrelacionadas (q ≤ p) llamadas

componentes principales. Las p variables son medidas sobre cada uno de los n individuos,

obteniéndose una matriz de datos de orden np (p < n).

En el ACP existe la opción de usar la matriz de correlaciones o bien, la matriz de

covarianzas. En la primera opción se le está dando la misma importancia a todas y a cada

una de las variables; esto puede ser conveniente cuando se considera que todas las

variables son igualmente relevantes. La segunda opción se puede utilizar cuando todas las


30

variables tengan las mismas unidades de medida y además, cuando se juzga conveniente

destacar cada una de las variables en función de su grado de variabilidad.

Las nuevas variables (componentes principales) son obtenidas como combinaciones

lineales de las variables originales. Los componentes se ordenan en función del porcentaje

de varianza explicada. En este sentido, el primer componente será el más importante por

ser el que explica mayor porcentaje de la varianza de los datos. Por el interés de la

investigación se decide cuántos componentes se elegirán en el estudio.

El análisis se realiza en el espacio de las variables y, en forma dual, en el espacio de los

individuos.

La ACP es una forma de identificar patrones en datos y representar los datos en una forma

tal que sus semejanzas y diferencias sean resaltadas. Este método resulta de gran utilidad

cuando es necesario buscar cierto tipo de información. Esta técnica se considera de las

más usadas en los procesos de reconocimiento facial [11, 12, 13].

2.4.1.2 Análisis de componentes independientes (ACI)

Consiste de transformar un conjunto de señales observadas en un conjunto de señales

estadísticamente independientes llamadas fuentes o componentes independientes del

primer conjunto. El principal objetivo de ACI es identificar a partir de las señales

observadas, un nuevo grupo de señales subyacentes con significado. Esta representación

puede ser usada en distintos ámbitos como la extracción de características y el

reconocimiento de patrones. Esta técnica difiere de los análisis en componente principales

en que ACI impone independencia de alto orden y no solo de segundo orden como en ACP.

ACI ha sido aplicado con éxito para la tarea del reconocimiento facial [14,15].


31

2.4.1.3 Análisis Discriminatorio Lineal (ADL)

ADL es una técnica de aprendizaje supervisado para clasificar datos. La idea central de ADL

es obtener una proyección de los datos en un espacio de menor (o incluso igual)

dimensión que los datos entrantes, con el fin de que la separabilidad de las clases sea la

mayor posible. Es una técnica supervisada ya que para poder buscar esa proyección se

debe entrenar el sistema con patrones etiquetados.

Es importante aclarar que ADL no busca en ningún momento minimizar el error de

representación cometido, como si lo hacia ACP. Este análisis de discriminación fue usado

para el reconocimiento de rostro por Etemad y Chellappa [16], así como Zhao et al. [17].

2.4.2 Técnicas de grafos: “Elastic Bunch Graph Matching” EBGM

Todos los rostros humanos comparten una estructura topológica similar, los rostros son

representados como grafos, con nodos posicionados en puntos específicos. Bordes

etiquetados con 2‐D vectores de distancia. Cada nodo contiene un conjunto de 40

coeficientes de ondeleta Wavelet de Gabor Wavelet, con diferentes escalas y

orientaciones. El reconocimiento se basa en etiquetar las graficas. Una grafica etiquetada

es un conjunto de nodos conectada por bordes, los nodos son etiquetados con los jets y

los bordes son etiquetados con las distancias [18,19].

2.4.3 Transformación de huella

La transformada de huella conocida en terminología inglesa como “trace transform” es

una generalización de la transformada de Radon y es una nueva herramienta para el

procesamiento de imágenes la cual puede ser usada para el reconocimiento de objetos

bajo trasformaciones geométricas tal como rotación, traslación y cambio de escala. Para

producir esta trasformación se calcula mediante una función de un parámetro o trazo

funcional a lo largo de las líneas de una imagen, diferentes transformadas pueden ser

producidas de una imagen usando diferentes trazos funcionales. El uso de esta


32

transformada en la problemática de reconocimiento facial fue desarrollada por Kadyrov y

Petrou [20], así como Srisuk et al. [21].

2.4.4 Modelo activo de apariencia

Es un modelo generalizado del modelo activo de patrón [22]. Es un método Iterativo para

ajustar un modelo a una imagen utilizando toda la información de la imagen en lugar de

únicamente los bordes. Es un modelo estático integrado, el cual combina un modelo de

variación de forma con un modelo de variaciones en la apariencia, en una forma

normalizada. Coincidiendo con imágenes que involucren parámetros de modelo los cuales

minimizan la diferencia entre la imagen y el modelo sintetizado dentro de la imagen.

2.4.5 Reconocimiento Facial 3‐D

2.4.5.1 El modelo de “morphing”

El rostro humano es una superficie que se extiende intrínsecamente en un espacio 3‐D.

Por lo tanto el modelo 3‐D debería ser mejor para la representación de rostros,

especialmente para el manejo de las variaciones faciales, como pose, iluminación, etc.

Blanz y Vetter [23] propusieron un método basado en el modelo de “morphing” que

codifica la forma y la textura como parámetros del modelo. Estos autores desarrollaron

algoritmos que permiten recupera los parámetros de una sola imagen del rostro. Otro de

los investigadores que utilizo este método fue Moghaddam et al. [24].

2.4.5.2 Invariancia a la deformación

La principal novedad de este enfoque es la habilidad de comparar superficies

independientes de las deformaciones naturales, como resultado de las expresiones

faciales. Primero, el rango de la imagen y la textura del rostro son adquiridas.

Posteriormente, el rango de la imagen es pre‐procesada quitando ciertas partes, como el


33

cabello, el cual puede resultar complicado para el proceso de reconocimiento. Finalmente,

una forma canónica de la superficie facial es computarizada.

Es una representación la cual es insensible a la orientación de la cabeza y expresiones

faciales, lo que implica la simplicidad del procedimiento de reconocimiento. El desarrollo

por sí mismo es empleado sobre superficies canónicas. Bronstein et al. [25] utilizan el

reconocimiento facial 3‐D.

2.4.6 Enfoque Bayesiano

El enfoque Bayesiano es una estructura probabilística basado en la aplicación del teorema

de Bayes. El teorema de Bayes ofrece un método estadístico para calcular la probabilidad

de que un suceso ocurra, partiendo de la probabilidad de que un evento ligado a este

ocurra. Este teorema es de gran utilidad para evaluar una probabilidad a posteriori

partiendo de probabilidades simples, y así poder revisar la estimación de la probabilidad a

priori de un evento que se encuentra en un estado o en otro.

Una medida de similitud probabilista basada en el enfoque Bayesiano se funda en que las

diferencias de nivel de gris en imagen son una característica de las variaciones típicas en la

apariencia de un individuo. Dos clases de variaciones de imágenes faciales son definidas:

variaciones interpersonales y variaciones extra personales. Algunos trabajos [26,27] se

basaron en esta medida de la similitud entre rostros utilizando la regla Bayesian para el

reconocimiento facial.

2.4.7 Máquinas de soporte vectorial

Las máquinas de soporte vectorial son básicamente algoritmos de clasificación de

patrones binarios, cuyo objetivo es asignar cada patrón a una clase mediante la búsqueda

del mejor hiperplano de separación que se traduce en un problema de optimización.

Existen varios métodos para esta optimización, siendo uno de los más conocidos el paso a

la formulación de LaGrange. La teoría fue desarrollada inicialmente por Vapnik [28] y se

centra en lo que se conoce como Teoría del Aprendizaje Estadístico.


34

Inicialmente se usaron para problemas de clasificación binaria, pero después se ha

extendido su uso a problemas de regresión, agrupamiento, clasificación multiclase,

regresión ordinal. Las máquinas de soporte vectorial adquirieron fama cuando dieron

resultados muy superiores a las redes neuronales en el reconocimiento de letra

manuscrita. El reconocimiento y la detección facial entre otras han sido un campo de

aplicación de esta técnica [29,30].

2.4.8 Redes neuronales

Una red neuronal es un conjunto de procesadores muy simples (neuronas)

interconectados que forman lo que se considera un modelo simplificado del cerebro. Una

neurona artificial tiene, generalmente, varias entradas y una salida. La salida es una

función de la suma de las entradas, multiplicadas por “pesos" asociados a las

interconexiones entre neuronas. Dichas neuronas se encuentran interconectadas

formando una red neuronal. Algunas tienen interconexiones al mundo externo (entrada /

salida) y otras son internas (escondidas).

Las redes neuronales se utilizan, normalmente, como elementos clasificadores o

memorias asociativas, asociando una serie de patrones de entrada con patrones de salida.

Para ello se entrena la red, alterando los pesos de las interconexiones de acuerdo a la

relación deseada.

Una forma de aplicar las redes neuronales para reconocimiento es mediante su aplicación

a ventanas de pixeles. Primero se entrenan con varios ejemplos positivos y negativos de

los objetos de interés, y después se aplican a toda la imagen detectando la localización de

dichos objetos donde se tenga mayor respuesta. Esto se puede extender a diferentes

resoluciones para hacer el proceso más eficiente. Para ello se utiliza una estructura

piramidal para representar la imagen y se comienza por los niveles superiores (menor

resolución), pasando al siguiente nivel cuando exista cierta respuesta, hasta llegar a la

máxima resolución. El proceso de entrenamiento se puede optimizar mediante el mapeo

de los pesos de las redes de ciertas resoluciones a otras.


35

Esta idea ha sido aplicada al reconocimiento y detección de rostros [31]. El problema con

este enfoque es que la red no es invariante ante cambios de escala y rotación problema

que trató de resolver en parte Rowley et al. [32] en sus trabajos.

2.4.9 Boosting y adaboost

Los métodos de “boosting” son algoritmos que en el enfoque supervisado conocen la

solución a priori y utilizaran esto para adaptar su comportamiento. El boosting se basa en

la pregunta ¿Puede un conjunto de clasificadores débiles crear un solo clasificador fuerte?

Un clasificador débil es definido como un clasificador que se correlaciona levemente con la

clasificación final. En cambio, un clasificador fuerte es un clasificador que se correlaciona

fuertemente con la clasificación final.

La mayoría de los algoritmos de boosting consiste en procesos iterativos que aprenden de

clasificadores débiles con respecto a una distribución, para finalmente agregarlos a un

clasificador final el cual es más fuerte. Cuando se agregan, son almacenados de manera

que se relaciona comúnmente con la precisión del clasificador débil. Después de que se

agrega un clasificador débil, los datos se vuelven a pesar. Los ejemplos que son clasificados

correctamente pierden peso y los que son clasificados de manera errónea aumentan su

peso. Así, los siguientes clasificadores se centran más en los ejemplos que los anteriores

clasificaron erróneamente.

Existen una variedad de algoritmos de boosting, los originales propuestos por Schapire

[33] y Freund [34] no eran adaptativos y no podían tomar ventaja completa de los

clasificadores débiles. Por tal motivo Freund y Schapire [35] proponen posteriormente

Adaboost, el cual es un algoritmo adaptativo que toma ventaja de los clasificadores

débiles para formar un clasificador fuerte.

El algoritmo de Adaboost es normalmente implementado utilizando arboles de decisión,

pero puede utilizar diferentes clasificadores de base incluyendo el Bayesiano simple.


36

Uno de los trabajos de detección de rostros en tiempo real es el esquema algorítmico

desarrollado por Viola y Jones [36, 37, 38] que se basa en el aprendizaje de AdaBoost para

construir un clasificador no lineal.

Varias referencias [5,39] muestran la eficacia de este sistema en término de detección, de

alarmas falsas y de rapidez. Por esta razón se eligió su implementación en esta tesis. Este

método se detallará en el siguiente capítulo.


37

Capítulo 3

Marco Teórico

Según los autores Li y Jain [5], en sus comparaciones de los diversos métodos de detección

del rostro, el método de Viola y Jones basado en Adaboost ha sido el más eficaz de todos

los trabajos desarrollados. En términos de relación detección y falsos positivos, este

método es comparable al de la red neuronal de Rowley y otros [32], pero se realiza varias

veces más rápidamente. Su sistema se considera el primer detector de rostro en tiempo

real.En este capítulo se detallará la técnica de Viola y Jones [36, 37,38] que ha sido elegida

entre otras por estas razones ya mencionadas para ser implementada en éste trabajo.

Viola y Jones presentaron un método rápido de detección de objeto basado en un

algoritmo en cascada usando descriptores simples llamados los descriptores de "Haar"

que pueden ser calculados de modo eficaz utilizando una representación intermediaria de

la imagen llamada imagen integral. Propusieron también un procedimiento de

clasificación a varias etapas el cual reduce considerablemente el tiempo de ejecución

realizado casi con la misma exactitud con relación a un algoritmo de clasificación mono‐

fase, que ciertamente es más lento y más complejo.

El principio de base del algoritmo de Viola y Jones es explorar una sub‐ventana capaz de

detectar rostros a través de una imagen de entrada. El acercamiento estándar en

procesamiento de imagen sería escalar la imagen de la entrada a diversos tamaños y

después convertir la ventana del detector en tamaño fijo en las imágenes. Este

acercamiento resulta ser bastante largo en tiempo de cálculo debido al cálculo de las

diversas imágenes en diferentes escalas.

Al contrario el acercamiento propuesto por Viola y Jones permite transformar en

diferentes escalas el detector en vez de la imagen de la entrada y de esta manera el

detector es aplicado muchas veces a la imagen, cada vez con un tamaño diferente. Como

se puede apreciar, ambos acercamientos son igualmente largos en tiempos de cálculo,


38

pero Viola y Jones ha tenido la idea de un detector invariante de la escala que requiere el

mismo número de operaciones en cualquier escala.

Este detector se construye usando una imagen integral supuesta y algunas características

rectangulares simples derivadas de las wavelet (ondeletas) de Haar. Más adelante se

describe en detalle este detector.

3.1 Descripción general Todo proceso automático de detección y seguimiento de rostro debe tomar en

consideración varios factores que contribuyen a la complejidad de su tarea, porque el

rostro es una entidad dinámica que cambia constantemente bajo la influencia de varios

factores.

La Figura 3.1 ilustra el paso general adoptado para realizar tales sistemas. En el mundo

físico, hay tres parámetros que hay que considerar: la iluminación, la variación de postura

y la escala. La variación de uno de estos tres parámetros puede influir considerablemente

en los resultados de nuestro sistema. Este último se requiere ser el más independiente

posible de estos parámetros, es decir un sistema autónomo que no pide condiciones

puestas de inicialización manualmente así como de informaciones a priori sobre el entorno

de implantación.


39

Figura 3.1 Detección Facial

El método adoptado, que se presenta en las secciones siguientes, requiere de una fase de

aprendizaje en la cual se forma una función de clasificación robusta. Esta función de

clasificación se explotará mediante el algoritmo de detección para poder ser separada

entre la clase de los rostros y la clase de no rostros.

Siguiendo este esquema, tres etapas son necesarias: el pre‐procesamiento o tratamiento

previo, la extracción de características y la decisión. Como es sabido el método de Viola y

Jones aplica escalas a grises a las imágenes, la primera etapa describe el proceso que se

aplica a la imagen en color [39]. Las dos siguientes etapas describen directamente el

método de Viola y Jones.

3.1.1 Preprocesamiento

3.1.1.1 Transformación a nivel de gris

Este método basado en los descriptores de Haar, se aplica en imágenes en niveles de gris.

Para sistemas que funcionan con imágenes colores (la imagen y el video porque la


40

detección se realiza en cada imagen de video), es necesaria una etapa de procesamiento

previo que transformara los colores en niveles de gris. En la gran parte de los casos, la

imagen está representada en el espacio de los colores YUV. En ese caso la imagen en nivel

de gris correspondiente se deduce directamente de la imagen original considerando

únicamente la luminancia de cada pixel (Y). El modelo YUV es un espacio de color en

términos de una componente de luminancia y dos componentes de crominancia. Es el

modelo usado en los sistemas PAL y NTSC de difusión de televisión, el cual es el estándar

en la mayoría del mundo. El modelo YUV está más próximo al modelo humano de

percepción que el estándar RGB usado en el hardware de gráficos por computadora.

La conversión YUV a partir del m RG va a me iante la operación (Fig. 3.2): odelo B se lle cabo d

0.299 0.587 0.1140.147 0.289 0.4360.615 0.515 0.100

Figura 3.2 Conversión YUV a partir RGB

3.1.1.2 Escalado por Interpolación

Otro procesamiento, que resulta útil, consiste en cambiar el tamaño de la imagen para

controlar mejor el tiempo de cálculo y el espacio memoria. Esta tarea se realiza mediante

uno de los métodos de interpolación. La interpolación puede considerarse como el cálculo

del valor de intensidad de un pixel, en una posición cualquiera, como una función de los

pixeles que lo rodea. Existen diferentes técnicas de interpolación, entre los cuales los más

utilizados en el procesamiento geométrico de imágenes son: bilineal, bicúbica y vecino

más cercano [10]. En la interpolación bicúbica se requiere del valor de los 16 puntos para

calcular el valor de punto central como se puede apreciar en la Figura. 3.3.


41

Figura 3.3 Interpolación bicúbica con el valor de los 16 puntos vecinos

3.1.1.3 Ecualización del histograma

Es una transformación que pretende obtener, para una imagen, un histograma con

distribución uniforme. Es decir, que exista el mismo número de pixeles para cada nivel de

gris del histograma.

Figura 3.4 Ecualización del histograma H;

En teoría, la aplicación de esta operación debería transformar el histograma en otro con

una forma perfectamente uniforme sobre todos los niveles de gris (Figura 3.4). Sin

embargo, en la práctica esto no se va a poder conseguir pues se estaría trabajando con

funciones de distribución discretas en lugar de continuas. En la transformación, todos los

pixeles de un mismo nivel de gris se transformarán a otro nivel de gris, y el histograma se

distribuirá en todo el rango disponible separando en lo posible las ocupaciones de cada

nivel.

Se puede aplicar diferentes tipos de ecualización [10]: ecualización uniforme, exponencial,

de Rayleigh, etc. La libraría OpenCV emplea la ecualización uniforme según la expresión:


42

∑ (3.1)

Donde es el histograma.

El resultado de la ecualización maximiza el contraste de una imagen sin perder

información de tipo estructural, esto es, conservando su Entropía (información). Esta

operación constituye una regulación óptima y automática del contraste de la imagen

evitando los ajustes manuales, con los que no se consigue un equilibrio óptimo entre el

blanco y el negro, Figura 3.5.

Figura 3.5 Mejoramiento del contraste por ecualización del histograma; la izquierda: imagen original; la derecha: imagen con ecualización del histograma.

3.1.1.4 Detección del Borde mediante el algoritmo de Canny

Algunas funciones de detección de rostro [39] utilizan el detector del borde de Canny [40]

para rechazar algunas regiones de la imagen que contengan demasiados o pocos

contornos, regiones que no puede contener el objeto buscado. El objetivo de este

procedimiento es acelerar el proceso de detección.

El algoritmo de Canny se considera uno de los mejores detectores del borde en

procesamiento de imágenes. Este algoritmo se fundamenta en la teoría de operadores de

la primera derivada, debido a que toma el valor de cero en todas las regiones donde no

varía la intensidad y tiene un valor constante en toda la transición de intensidad. Por lo

tanto un cambio de intensidad se manifiesta como un cambio brusco en la primera

derivada, característica que es usada para detectar un borde. El detector de Canny (Figura


43

3.6) resulta particularmente interesante porque extrae bordes y cierra los contornos

evitando posible rupturas de los mismos durante su extracción, este es desglosado en tres

módulos [10]:

1‐Obtención del gradiente: en este paso se calcula la magnitud y orientación del

vector gradiente en cada píxel.

2‐Supresión no máxima: en este paso se logra el adelgazamiento del ancho de los

bordes, obtenidos con el gradiente, hasta lograr bordes de un píxel de ancho.

3‐Histéresis de umbral: en este paso se aplica una función de histéresis basada en

dos umbrales; con este proceso se pretende reducir la posibilidad de aparición de

contornos falsos.

Figura 3.6 Ejemplo de detección del borde de Canny:

Izquierda: imagen original, derecha imagen del borde

3.1.2 Extracción de descriptores

A partir de la imagen transformada en nivel de gris, redimensionada y con una regulación

óptima y automática del contraste, se realiza la extracción de características o descriptores

que van a constituir la entrada del sistema de reconocimiento. Los descriptores son

extraídos a partir de la imagen en nivel de gris mediante la imagen integral. Se calcula la

imagen integral de los cuadrados.


44

El valor de la imagen integral de los cuadrados al punto (x; y) es la suma de todos los

valores de píxeles al cuadrado situados encima y a la izquierda. La imagen integral permite

reducir considerablemente el tiempo de cálculo de los descriptores. Lo mismo la imagen

integral de los cuadrados es una representación de la imagen que permite calcular el

covariancia en una ventana muy rápidamente a partir de cuatro referencias solamente.

3.1.3 Block de decisión

La imagen integral y la función de clasificación son las entradas de un bucle. A cada

iteración, la ventana de barrido será redimensionada; siendo más precisos, será

aumentada por un factor bien escogido de escala. Por consecuencia, los datos de la

función de clasificación deben ser adaptados a este cambio.

La adaptación principalmente consiste en redimensionar los rectángulos de Haar

proporcionalmente al tamaño de la ventana. Este bucle garantiza la detección de rostro a

toda escala, pues su parámetro principal es el factor de escala. Este parámetro

generalmente es entre 1.1 y 1.4.

A fin de poder localizar los rostros en todo emplazamiento de la imagen, esta ventana

debe recorrer toda la imagen. Por consecuencia, un bucle imbricado se impone, y cuyo

paso es el parámetro determinante. A cada iteración, un algoritmo de decisión se ejecuta.

La Figura 3.6 resume el funcionamiento del método de detección de rostro.


45

Figura 3.7 Sistema de detección de Viola y Jones [36]

3.2 Descriptores de Harr

El valor de un punto de la imagen solo nos informa sobre el color en este punto. Una

técnica más elaborada es encontrar detectores basados en características más globales del

objeto. Es el caso de los descriptores de Haar. Estos descriptores son funciones que

permiten acentuar la diferencia de contraste entre diferentes regiones rectangulares

adyacente en una imagen. Es una manera de codificar los contrastes existentes entre un

rostro y las relaciones espaciales.

Un descriptor (figura 3.7) es representado por un rectángulo definido por su vértice, su

altura, su longitud y sus pesos (negativo o positivo, de cada rectángulo).


46

Hay muchas motivaciones para el uso de los descriptores más bien que los píxeles

directamente: el sistema fundado sobre los descriptores es más rápido que un sistema

fundado sobre los píxeles (Figura 3.8).

Figura 3.8 Representación de un descriptor

Los descriptores simples utilizados son inspirados por las funciones de base de Haar que

han sido empleados por Papageorgiou y al [41]. Más específicamente, Viola y Jones [36]

emplearon tres tipos de descriptores (Figura 3.9).

Un descriptor a dos rectángulos es la diferencia entra la suma de los píxeles de

ambas regiones rectangulares. Las regiones tienen el mismo tamaño y forma y

están horizontalmente o verticalmente adyacentes.

Un descriptor a tres rectángulos, es la suma de los píxeles en ambos rectángulos

exteriores sustraídos por la suma en el rectángulo central.

Un descriptor a cuatro rectángulos es la diferencia entre los pares diagonales de los

rectángulos.

Figura 3.9 Los tres tipos de descriptores de Haar


47

Lienhart et Maydt [42] han propuesto una extensión de estos descriptores incluyendo unos sometidos a una rotación de 45 grados (Figura 3.10).

Figura 3.10 Extensión de los descriptores de Haar.

Como ejemplo, en el caso que el tamaño de la ventana de base (imagen en entrada) ha

sido fijado sobre 24 × 24, este método utiliza un número grande de descriptores (45396

descriptores según Viola y Jones). Así, el número de descriptores es considerablemente

más grande que el espacio de la imagen (en este caso 576 píxeles).

3.3 Imagen Integral

Los descriptores rectangulares pueden ser calculados de modo eficaz utilizando una

representación intermediaria de la imagen llamada la imagen integral. Esta imagen,

resultado del trabajo publicado por Crow [43], es obtenida a partir de un algoritmo que

permite generar de manera eficiente y rápida la suma de los valores de un rectángulo

adentro de una imagen.

La imagen integral es una matriz del mismo tamaño que la matriz de la imagen original

donde cada elemento de la Imagen Integral a la posición (x; y) contiene la suma de todos

los píxeles localizados en la región superior izquierda de la imagen original (Figura 3.11).


48

Figura 3.11 El valor de la imagen integral al punto (x, y) es igual a la suma de todos los e uados en la izquierda. píxel s sit cima y a

, , (3.2) ∑ ,

, es la imagen integral y , es la imagen original. Usando las dos siguientes

operaciones:

(3.3) , , 1 ,

, 1, (3.4) ,

Donde , es suma acumulada en línea y , 1 0 1, 0

Así la imagen integral puede ser calculada en un solo barrido sobre la imagen original.

Utilizando esta representación cualquier suma de píxeles en un rectángulo

correspondiente a un descriptor puede ser calculada a partir de cuatro referencias

solamente por la imagen integral.

Figura 3.12 La suma del Píxel en el rectángulo D puede ser calculada con solamente cuatro referencias. El valor de la imagen integral en el lugar 1 es la suma del Píxel en el rectángulo A. El valor en el lugar 2 es A + B, en el lugar 3 es A + C, y en el lugar 4 es A + B + C + D


49

La Figura 3.12 muestra que la diferencia entre dos sumas de píxeles en una región

rectangular puede ser calculada a partir de ocho referencias. Ya que el descriptores a dos

rectángulos definidos anteriormente son por definición adyacentes, eso implica que

pueden ser calculados por seis referencias solamente de la imagen integral, ocho en el

caso el descriptores a tres rectángulos, y nueve para descriptores.

3.3.1 Importancia de los descriptores de Harr‐Like

Los descriptores rectángulos son atributos simples en comparación con otros medios de

análisis local tales como los filtros orientados. Los filtros orientados son excelentes para el

análisis detallado de las fronteras, la compresión de imagen, y el análisis de textura.

Los descriptores, a pesar de la sencillez son sensibles a la presencia de los contornos, las

barras y otras estructuras simples en la imagen.

Con el fin de apreciar la ventaja informática de la técnica de imagen integral, consideremos

el caso de detección de objeto basada en una pirámide de imágenes (imágenes a

diferentes escalas). Como en la mayoría de los sistemas de detección de objeto, el

algoritmo recorre la imagen de entrada a diferentes escalas comenzando con la resolución

más baja.

En calidad de ejemplo, podemos considerar una imagen de tamaño de 24x24 píxeles, la

imagen es recorrida a 11 escalas, cada una es más pequeña que la precedente teniendo un

factor de 1.25. Una ventana de tamaño fijo es recorrida a través de cada una de estas

imágenes implicando un aumento en tiempo de cálculo además del tiempo dedicado al

cálculo de la pirámide.

Como conclusión, la gran ventaja del uso de los descriptores es que representan un

conjunto significativo de descriptores, que tienen la propiedad de ser evaluado en

cualquier escala y cualquier lugar mediante muy pocas operaciones. Como demostraron


50

Viola y Jones [36], los algoritmos de detección con resultados aceptables podían ser

construidos con solamente dos descriptores.

3.4 Algoritmos de Aprendizaje

A partir de un conjunto de descriptores y un conjunto de imágenes correspondientes a

rostros (imágenes positivas) y a no rostros (imágenes negativas), un método de

aprendizaje puede emplearse para deducir una función de clasificación.

Se debe tomar en cuenta que el conjunto de los descriptores rectángulo está formado por

45396 descriptores, un número más grande que el número de pixeles en la imagen.

Aunque cada descriptor puede ser calculado de una manera eficaz, la utilización del

conjunto completo es excesivamente costosa. La hipótesis que ha sido confirmada por una

consecuencia de experiencias, es que un número limitado de estos descriptores puede

emplearse para formar una función de clasificación fuerte. El reto principal es encontrar a

estos descriptores.

En los trabajos de Viola y Jones [36, 37, 38] una versión de algoritmo de aprendizaje

conocido bajo el nombre de ”AdaBoost“, que significa “adaptative boosting“ (Tabla 3.1) , se

empleó para elegir los descriptores y formar la función de clasificación. Es uno de los

algoritmos más utilizados en aprendizaje automático.

Bajo su forma original, el algoritmo de aprendizaje de AdaBoost se empleó para mejorar

un algoritmo de aprendizaje simple. Su principio consiste en combinar un conjunto de

funciones sencillas o débiles de clasificación para formar una función de la clasificación

fuerte. La función de clasificación es débil si es solamente capaz de reconocer dos clases al

menos.

Para un problema dado una función de clasificación débil puede solamente clasificar los

datos de la base de aprendizaje correctamente al 51%. Después de la primera fase del

aprendizaje, los ejemplos serán combinados de modo que las que han sido clasificadas mal

por la función de clasificación anterior tendrán el peso más grande. La función fuerte de


51

clasificación final toma la forma de un perceptor = una combinación ponderada de

funciones de clasificación débiles (según su calidad de clasificación).

Consideremos el problema de aprendizaje, en el cual se combina un gran conjunto de

funciones de clasificación utilizando un voto mayoritario ponderado. El reto es asociar un

gran peso a cada mejor función de clasificación y un peso más pequeño a las funciones

débiles.

AdaBoost es un mecanismo que permite elegir un pequeño conjunto de buenas funciones

de clasificación que tienen sin embargo una variación significativa. Por medio de una

analogía entre las funciones de clasificación y los descriptores débiles de Haar, AdaBoost

es un procedimiento eficaz para seleccionar un número limitado de buenos descriptores.

Un método práctico para entender esta analogía es limitar la función débil de clasificación

en el conjunto de las funciones de clasificación que dependen de un único descriptor. Es

para eso que el algoritmo de aprendizaje débil se concibe para elegir al descriptor que

separa mejor las imágenes positivas s. de las negativa

Una función de clasificación débil , , , consta así de un descriptor de un

umbral y de una paridad que indica la dirección de la señal de desigualdad:

, , , 1 0

(3.5)

Donde x es una ventana de la imagen en entrada.

En la Tabla 3.1 se muestra el algoritmo de Adaboost desarrollado y publicado por sus

autores Viola y Jones [38].


52

Tabla 3. ritmo aboost 1 El algo de Ad

‐Dado un conjunto de imágenes 1, 1 , … . , donde 1 0,1 para muestras

negativas y positivas respectivamente.

• Inicializar los pesos , , para yi=0,1

Donde m es el número de muestras negativas y l es el número de muestras positivas.

• Para t = 1, . . . , T:

1) Normalizar los pesos , ∑ ,

2) Seleccionar la mejor clasificadora base respecto al error de peso.

min , ,θ | , , , |

3) Define , , , , donde , , son usadas para minimizar .

4) Actu iz pesos: , , al a los

Donde 0 si la muestra es clasificada correctamente, o 0 en otro caso,

con

• El clasificador robusto final queda: 1 ∑ ∑0

Donde

Las experiencias iníciales [36,37] han mostrado que una función de clasificación

constituida de 200 descriptores daría resultados razonables el porcentaje de buena

detección es del 95% y el número de falsa alarma es de 1 sobre un conjunto 14084 datos

de prueba.


53

Para caracterizar bien el rostro, los descriptores rectángulos iniciales elegidos por Ada‐

Boost son significativos y fácilmente interpretados. La elección del primer descriptor se

basa en la propiedad que la región de los ojos es a menudo más oscura que la región de la

nariz y las mejillas (Figura 3.13). El segundo descriptor elegido se basa en la propiedad que

los ojos son más oscuros que el puente de la nariz.

Figura 3.13 Los dos descriptores de Haar más discriminantes seleccionados por Adaboost

En resumen la función de clasificación a 200 descriptores ha mostrado que una función de

clasificación construida a partir de descriptores rectángulos es una técnica eficaz para la

detección de objeto. En términos de detección, estos resultados son alentadores pero no

son suficientes para mucha aplicación. En términos de cálculo, esta función de clasificación

es probablemente más rápida que cualquier otro sistema publicado, necesitando 0.7

segundos para recorrer una imagen de 384 × 288.

Desgraciadamente, la técnica más directa para mejorar la detección de rostro, es añadir

descriptores a la función de clasificación, y en consecuencia se aumenta directamente el

tiempo de cálculo.

3.5 Las Funciones de clasificación en cascada

Una función de clasificación es un algoritmo capaz distinguir al menos entre dos clases. En

nuestro caso clase de los rostros y no rostros.


54

3.5.1 Disposición de las funciones de clasificación

Se describe a continuación un algoritmo constituido por una sucesión de funciones de

clasificación que realiza un incremento de detección mientras reduce radicalmente el

tiempo de cálculo. Las funciones de clasificación se colocan en cascada: las funciones de

clasificación más débiles se emplean en primer lugar para rechazar la mayoría de las

ventanas antes de que las funciones de clasificación más complejas realizan baja tasa de

falsa alarma.

Los resultados de detección de una función de clasificación a dos descriptores son lejos de

ser aceptables para un sistema de detección de objeto. Sin embargo esta simple función

de clasificación puede significativamente reducir el número de las ventanas candidatas con

muy pocas operaciones:

1. Evaluar los descriptores rectángulos (exige entre 6 y 9 referencias por descriptor).

2. Calcular la función de clasificación débil para cada descriptor (exija una operación

de umbral por descriptor).

3. Combinar las funciones de clasificación débiles (exija una multiplicación por

descriptor, adición, y finalmente una comparación por descriptor).

La forma global del método de detección es la de un árbol degenerado de decisión (Figura

3.14). Un resultado positivo de la primera función de clasificación activa la evaluación de

una segunda función de clasificación que también ha sido ajustada para realizar tasa muy

elevada de detección. Un resultado positivo de la segunda función de clasificación activa

una tercera función, y así sucesivamente. Resultados negativos conducen al rechazo

inmediato de la ventana.


55

Figura 3.14 Esquema del árbol de las funciones de clasificación en cascada, n: clasificador, V: verdad, F: Falso.

La función de clasificación inicial elimina un gran número de ejemplos negativos con pocos

tratamientos. Las capas siguientes eliminan los negativos adicionales pero exigen un

cálculo adicional. Después de varias etapas de tratamientos se redujo radicalmente el

número de ventanas.

La estructura del árbol refleja el hecho de que para cualquier imagen simple la mayoría de

las ventanas son negativas. Así pues, la función intenta rechazar tantos negativos posibles

lo más pronto posible. Mientras que un ejemplo positivo desencadenará la evaluación de

cada función de clasificación en el árbol. Al igual que cualquier árbol de decisión, estas

funciones de clasificación se forman utilizando ejemplos que se deslizan por todas las

etapas anteriores. En consecuencia, una función de clasificación se está cargada de una

tarea más difícil que la anterior.


56

3.5.2 Árbol de funciones del clasificador

El proceso de concepción de las funciones de clasificación debe responder a un conjunto

de objetivos de detección y resultados. Para la detección de rostro, se han realizados tasas

de detección elevados (entre 85% y 95%) y tasas de falsas alarmas extremadamente bajo

(sobre el orden 10 ‐5% o 10 ‐6%). El número de etapas de transición y el tamaño de cada

etapa deben ser suficientes para realizar un resultado similar de detección reduciendo al

mínimo el tiempo de cálculo. Dado un árbol de funciones de clasificación, la tasa de falsas

alarmas es definida:

∏ (3.6)

Donde K es el número de funciones de clasificación, y es el la tasa de falsa alarma de la

I‐ésima función de clasificación calculada a partir de los ejemplos de formación. Del mismo

modo, la tasa de detección D es dado por:

∏ (3.7)

Donde es la tasa de detección de la I‐ésima función de clasificación.

El número de descriptores se evalúa cuando se prueba sobre imágenes verdaderas.

Cualquier ventana dada progresará en el árbol, hasta que se decida que la ventana es

negativa o, la ventana supera todas las pruebas y se señala como positiva. El

comportamiento previsto de este proceso viene determinada por la distribución de la

ventana la imagen en un conjunto típico de prueba. La medida principal de cada función

de clasificación es la tasa de detección llamado también la tasa positiva. El número

previsto de descriptor lúa :es que se eva es

∑ ∏ (3.5)

Dónde K es el número de funciones de clasificación, es la tasa positiva de la I‐ésima

función de clasificación, y es el número de descriptores en la I‐ésima función de

clasificación.


57

El proceso de formación de cada elemento del árbol exige un determinado cuidado. El

algoritmo de aprendizaje de “AdaBoost”, intenta reducir al mínimo los errores, y no se

concibe realizar una tasa elevada de buena detección. Simplemente, para controlar estos

errores se puede ajustar el umbral del perceptron producido por “AdaBoost”.

El proceso global de formación implica dos tipos de compromiso. En la mayoría de los

casos las funciones de clasificación con más descriptores realizarán tasas más elevadas de

buena detección y reducirán las tasas de falsas alarmas. Al mismo tiempo las funciones de

clasificación con más descriptores necesitan más tiempo de cálculo. En principio se podría

definir un marco de optimización en el cual el número de etapas de clasificación, el

número de descriptores, de cada etapa, el umbral de cada etapa, se negocian con el fin

de reducir al mínimo el número previsto de descriptores N siguiendo F y D.

Desgraciadamente la conclusión de esta optimización es un problema enormemente

difícil. En la práctica se emplea un marco muy simple para producir una función de

clasificación fuerte. El usuario elige las tasas mínimas aceptables para los y los . Las

tasas se determinan examinando el detector que corre sobre un conjunto de validaciones.

Si no se alcanza aún la tasa de falsas alarmas de objetivo global entonces se añade otra

capa al árbol. El conjunto negativo para las capas siguientes de formación se obtiene

reuniendo todas las falsas detecciones cometidas por el detector que corre sobre un

conjunto de imágenes que no contienen ningún ejemplo del objeto que debe detectarse.

3.5.3 Importancia de la estructura en cascada.

Con el fin de explorar la viabilidad del enfoque árbol de funciones de clasificación se

formaron dos detectores simples: una función de clasificación monolítica a 200

descriptores y un árbol de funciones de clasificación de 20 períodos de prácticas que

tienen cada uno 20 descriptores.


58

La función de clasificación del primer período de prácticas en el árbol se formó utilizando

5000 rostros y 10000 no rostros aleatoriamente elegidos a partir de las imágenes que no

contienen rostros. La función de clasificación del segundo período de prácticas se formó a

partir de las mismas 5000 rostros más 5000 no rostros de la primera función de

clasificación. Este proceso se repite de modo que las etapas siguientes se formen

utilizando los falsos positivos de la etapa anterior. Podríamos naturalmente emplear todas

las ventanas posibles de todas nuestras imágenes no rostro, pero esto cuesta muy caro en

tiempo de cálculo.

Figura 3.15 Comparación entre un detector de rostro simple compuesto de 200 funciones de clasificación y un detector compuesto de 20 períodos de prácticas de 10 funciones de

clasificación [38].

Las dos curvas de la Figura 3.15 ponen de manifiesto que las tasas de buenas detecciones

y de falsa alarma de una función de clasificación a 200 descriptores y un árbol de

funciones de clasificación son muy cercanas, pero la gran diferencia es la velocidad de

ejecución.


59

Comparando la velocidad de una función de clasificación monolítica y la de de un árbol de

funciones de clasificación conectado en cascada, la segunda es mucha más rápida. Por lo

tanto, se deduce la importancia de la estructura en cascada en un sistema de detección

tiempo real.


60

Capítulo 4

Implementación del algoritmo En este capítulo se explicara cómo se implemento la técnica de Viola y Jones. Está se

desarrollo en entorno Visual Studio 2008 con lenguaje C# y las librerías de OpenCV bajo

Emgu. Se introduje una breve explicación de estos elementos computacionales seguida

con una explicación detallada de la fase de entrenamiento de esta técnica usando librería

OpenCV. La fase de entrenamiento es de suma importancia puesto que influye en los

resultados de la detección. Una mirada del software desarrollado se presentara en el

parágrafo titulado implementación seguida de los resultados obtenidos.

4.1. Elementos computacionales.

4.1.1 Microsoft Visual Studio.

Microsoft Visual Studio 97 fue la primera versión que salió al mercado, ésta incluía Visual

Basic 5.0 y Visual C++ 5.0 para realizar software para Windows específicamente, mientras

que Visual J++ 1.1 era para Java y Windows. Los otros lenguajes eran Visual Fox Pro 5.0

para la Bases de Datos y Visual InterDev 1.0 para crear sitios dinámicos con ASP. Esto,

como se puede adivinar por la versión del producto, se realizó en 1997. Microsoft Visual

Studio 6.0 salió al siguiente año, en 1998. Con esto se movieron los números de versión de

todos los Lenguajes de Programación y fue la última versión que Visual J++ y Visual

InterDev aparecieron en una paquetería de Visual Studio. Microsoft Visual Studio .NET

2002 fue un salto completamente drástico, ya que se cambia completamente la

estructura. Ahora con .NET los programas no se compilan para generar un ejecutable

máquina (un archivo .EXE conocido comúnmente para el ambiente Microsoft Windows),

sino que se genera un archivo intermedio para poder ser ejecutado en diferentes


61

Plataformas (al decir Plataforma me refiero a distintas Arquitecturas de Software y

Hardware, como GNU/Linux, Solaris de Sun Microsystems o Mac OS X de Apple Inc.).

A esta versión se le agregan nuevos lenguajes que son: Visual J# (sucesor del desaparecido

Visual J++), Visual C#, .NET.Microsoft Visual Studio 2008, es un entorno de desarrollo

integrado (IDE) para sistemas operativos Windows. Soporta varios lenguajes de

programación como C ++, Visual C#, Visual J#, ASP.NET .Visual Studio permite a los

desarrolladores crear aplicaciones, así como servicios Web en cualquier entorno que

soporte la plataforma .NET. Así como dispositivos móviles.

4.1.2 Open CV OpenCV viene de las siglas Open Source Computer Vision Library [39], es una librería

abierta desarrollada por Intel en el año de 1999, contiene cerca de 500 funciones. Esta

librería proporciona un alto nivel de funciones para el procesado de imágenes. Estas

librerías permiten a los programadores crear aplicaciones poderosas. Open CV ofrece

varios tipos de datos de alto nivel como juegos, arboles, gráficos, matrices, etc. Funciona

en muchas plataformas. Algunas de las características que permite Open CV, son

operaciones básicas, procesamiento de imágenes y análisis. Análisis estructural, análisis de

movimiento, reconocimiento del modelo, reconstrucción 3D y calibración de la cámara

etc.

Open CV implementa una gran variedad de herramientas para la interpretación de la

imagen. Es compatible con la librería de procesamiento de imágenes de Intel (Intel Image

Processing Library (IPL)) la cual implementa algunas operaciones en imágenes digitales. A

pesar de primitivas como binarización, filtrado, estadísticas de la imagen, pirámides, Open

CV es principalmente una librería que implementa algoritmos para las técnicas de la

calibración (Calibración de la Cámara), detección de rasgos, para rastrear (Flujo Óptico),

análisis de la forma (Geometría, Contorno que Procesa), análisis del movimiento (Plantillas

del Movimiento, Estimadores), reconstrucción 3D (Transformación de vistas),

segmentación de objetos y reconocimiento (Histograma, etc.).


62

El rasgo esencial de la librería junto con funcionalidad y la calidad es su desempeño. Los

algoritmos están basados en estructuras de datos muy flexibles, acoplados con estructuras

IPL; más de la mitad de las funciones ha sido optimizada aprovechándose de la

Arquitectura de Intel.

4.1.3 Emgu. Emgu CV es una plataforma cruzada .Net ligada a la librería de Intel Open CV de

procesamiento de imágenes, permitiendo que las funciones de Open CV sean llamadas

desde .NET, compatible con lenguajes como C#, VB, VC ++ etc. Emgu CV está escrito en C#,

pude ser compilado en forma Mono (Monodevelop) por lo cual puede correr en cualquier

plataforma que contenga la forma Mono, incluyendo Linux/Solaris y mac.

Es necesario bajar todos los dlls que vienen incluidos en Emgu CV en la carpeta donde se

ejecuta el código. Para que el código pueda correr sin ningún problema.

4.2 Entrenamiento usando Haartraining.

La librería de Open CV, provee programas o comandos los cuales son usados para entrenar

clasificadores llamado HaarTraining por lo tanto es posible crear clasificadores propios

haciendo uso de éstas. Estos comandos son: “createsamples.exe”, “haaartraining.exe” y

“performance.exe”. Por otro lado, OpenCV viene con unos clasificadores ya entrenados

para detección facial frontal y otros objetos en uno archivos con extensión xml (apartado

4.3.3). El objeto de interés puede ser cualquier objeto como árbol, fruta, coche, etc., no

solamente el rostro. Para el logro de este clasificador es preciso completar los pasos

(Figura 4.1) que se describen a continuación.


63

Figura 4.1 Pasos para creación del clasificador

4.2.1 Imágenes de muestra

La parte más importante del proceso de entrenamiento del clasificador es la de

recolección de una gran cantidad de muestras positivas y negativas, de forma que de ellas

se puedan extraer las mejores reglas posibles que formen un detector de objetos potente.

El conjunto de imágenes se dividen en dos grupos: (1) las muestras positivas son en

imágenes que contienen múltiples ejemplos de la clase objeto de interés y (2) la muestras

negativas con una colección de imágenes donde no se encuentren dichos objetos que se

pretende detectar. En realidad cuatro muestras son necesarias:

• Muestras positivas para el entrenamiento (generación del clasificador)

• Muestras negativas para la prueba de clasificador

• Muestras positivas para el entrenamiento

• Muestras negativas para la prueba de clasificador

4.2.2 Preparación de muestra

Las muestras positivas necesarias para construir el clasificador se crean con la utilidad

Createsamples. Tras su ejecución, se crea un archivo de extensión vec que servirá al

clasificador para su entrenamiento.

El Createsamples puede tomar como base para la creación del archivo de entrenamiento

una única imagen del objeto o una colección de imágenes con las coordenadas exactas


64

donde se encuentre el objeto en cada una (archivo índice). El programa es capaz de, a

partir de rotaciones aleatorias, cambios en el color, así como colocación sobre diversos

fondos, generar un gran conjunto de muestras positivas que sirvan para el entrenamiento.

Por ello es necesario crear un archivo de índices con información sobre el conjunto de

muestras. Este archivo de índices (de extensión txt o idx) tendrá la siguiente estructura:

nombre_archivo1 número_muestras x11 y11 w11 h11 x12 y12...

nombre_archivo2 número_muestras x21 y21 w21 h21 x22 y22...

...

siendo nombre_archivo el nombre de la imagen donde se encuentran los objetos a buscar.

Debemos destacar que el nombre del archivo debe ir acompañado de su dirección dentro

del sistema de archivos. número_muestras el número de objetos positivos que se

encuentran en la imagen.

La llamada al programa para crear el archivo de extensión vec tiene los siguientes

argumentos:

• ‐vec: tras este flag se escribe el nombre del archivo vec que creará el Createsamples a

partir de las muestras proporcionadas.

• ‐info: precederá al nombre del archivo lista que contendrá todas las imágenes de los

objetos que constituyen las muestras positivas.

• ‐bg: nombre del archivo con la lista de las imágenes que servirán de fondos (muestras

negativas).

• ‐num: indica al Createsamples el número de muestras que contiene el archivo lista y que

por tanto añadirá en el formato adecuado en el archivo vec.

• ‐w: indica el ancho deseado para las muestras creadas en la ejecución del

Createsamples. Su valor por defecto es de 24 píxeles.

• ‐h: indica el valor para el alto de las muestras. Su valor por defecto es 24 píxeles.

Además de éstas, el programa también dispone de otras opciones cuyo objetivo es indicar

los ángulos máximos en cada dirección para realizar las rotaciones o para hacer la

inversión de los colores de la muestra.


65

4.2.3 Obtención del clasificador

El comando para ejecutar el Haartraining tiene los siguientes argumentos:

• ‐data: nombre del directorio donde se almacena el clasificador.

• ‐vec: nombre del archivo de extensión vec creado con la utilidad Createsamples.

• ‐bg: nombre del archivo índice de muestras negativas.

• ‐npos: número de muestras positivas usadas en el entrenamiento de cada etapa del

clasificador. Su valor por defecto es 2000.

• ‐nneg: Aquí se introduce el número de muestras negativas que se le solicita al

entrenamiento que encuentre en las imágenes de fondo del tamaño especificado. Para

cada etapa que construya, tendrá que encontrar este número basándose en las etapas de

clasificación que ya ha construido, de forma que sean candidatos que le sigan aportando

información. Su valor por defecto también es 2000.

• ‐nstages: número de etapas a construir. Por defecto es 14.

• ‐nsplits: Hace referencia a la estructura del árbol de clasificación ya que permite

especificar el número de nodos.

• ‐mem: Permite seleccionar la memoria de la que hará uso el programa para la ejecución.

Cuanta más se asigne, ésta será más rápida.

• ‐sym; ‐nonsym: especifica si la clase del objeto bajo entrenamiento tiene simetría

vertical o no. La simetría vertical acelera el proceso de entrenamiento.

• ‐minhitrate: Mínima tasa de detección que se desea alcanzar en cada etapa, siendo la

tasa del clasificador completo ese mismo valor elevado al número de etapas. El valor por

defecto es 0.995.

• ‐maxfalsealarm: Valor máximo para la falsa alarma de cada etapa. La total se obtiene de

la misma forma que la tasa de detección. Su valor por defecto es de 0.5.

• ‐mode: Permite escoger, para las características Haar, si se desea el conjunto básico

(BASIC) o el conjunto extendido (ALL). La forma por defecto es la primera.

• ‐w: Sirve para especificar el ancho de las muestras positivas proporcionadas. Su valor por

defecto es 24 píxeles.


66

• ‐h: Ídem que el anterior para el alto de las muestras. Su valor por defecto es también 24

píxeles, y esto se corresponde con los valores por defecto del Createsamples.

Esta etapa de entrenamiento no crea un archivo con extensión xml, para generarlo se

utiliza el código convert_cascade.c que se encuentra en OpenCV.

4.2.4 Rendimiento del clasificador

Una vez ejecutado el programa Haartraining, el clasificador puede ser probado con la

utilidad Performance. Es conveniente realizar el test del clasificador con muestras distintas

a las utilizadas durante el entrenamiento.

El comando Performance tiene los siguientes argumentos:

• ‐data: nombre del directorio donde se almacena el clasificador.

• ‐info: precederá al nombre del archivo lista que contendrá todas las imágenes de los

objetos que constituyen las muestras positivas.

• ‐maxSizeDiff y –maxPosDiff: determinan la coincidencia de detección de los rectángulos.

Los valores por defecto son 1,5 y 0,3 respectivamente.

• ‐sf: parámetro de detección. Por defecto vale 0,3.

• ‐w y –h: tamaño de las muestras (en píxeles). Debe ser el mismo que el usado durante el

entrenamiento con la utilidad Haartraining.

La salida por pantalla será de la forma: File Name| Hits |Missed| False|

donde File Name indica el nombre del archivo analizado, Hits muestra el número de

objetos correctos encontrados en el archivo, Missed el número de objetos no encontrados,

que el programa detecta que existen pero no los encuentra (falsos negativos) y False el

número de falsas alarmas, que no existen pero el programa los detecta (falsos positivos).

Tras su ejecución, el programa creará por cada imagen indicada en el archivo de índices,

otra con las siguientes características:

• Variará el nombre del archivo, anteponiendo el código det‐ al que tenía la imagen

original. Es decir, si inicialmente tenemos una imagen de nombre salida.jpg, el programa

creará otra con el nombre det‐salida.jpg.


67

•Si el objeto a buscar es encontrado correctamente, la nueva imagen contendrá un

rectángulo rojo alrededor del objeto; si devolvió un falso negativo, la imagen será igual a la

original y si devolvió un falso positivo, la imagen contendrá un rectángulo rojo situado

donde el programa detectó el falso positivo.

• Las nuevas imágenes se guardarán en el mismo directorio donde se encuentran las

originales.

4.3 Implementación En este parágrafo se explicara el diseño del software desarrollado en esta tesis. Ésta se

implementó en entorno Visual Studio 2008 con lenguaje C# y las librerías de Open CV bajo

Emgu, usando el detector de objetos disponible en estas librerías, llamado

DetectHaarCascade bajo Emgu o cvHaarDetectObjects bajo OpenCV. Asimismo se empleo

las funciones de clasificación en cascada de la librería OpenCV.

4.3.1 Requerimientos mínimos del sistema

El sistema desarrollado se denomina Sistema de Detección Facial en Sistemas de Cómputo versión 1.0, para su adecuado funcionamiento se enlistan las características mínimas de hardware requerido:

Sistema operativo: Windows XP o superior.

Procesador: Pentium 4 (1.5 GHz.) o similar

Memoria RAM: 512 MB. con Windows XP o 1 GB. con Windows Vista

Cámara: VGA (640 x 480)

4.3.2 Software desarrollado

Ejecutándolo, la primera ventana que se muestra es la pantalla principal del proyecto

(Figura 4.2).


68

Figura 4.2 Pantalla principal del software

Cuenta con un botón en la parte inferior derecha para continuar, la cual nos llevará a otra

ventana (Figura 4.3) con las opciones Ventanas o Ayuda.

Figura 4.3 Primera elección del software

La opción Ventanas (Figura 4.4) permite la elección de los tipos de imágenes a tratar:

imágenes fijas (fotos) o imágenes de video mediante cámara WEB (Video) así como el

cierre de todas las ventanas abiertas en el procesamiento o salir del software.


69

Figura 4.4 Selección de tipo de imágenes

Si se selecciona la opción foto, se podrá seleccionar varias opciones, como abrir imagen,

guardar imagen y cerrar.

Cuando se selecciona la opción abrir imagen (Figura 4.5) o guardar imagen, se abre una

ventana para escoger la ruta de la imagen a seleccionar o el nombre para guardar.

Figura 4.5 Elección de la ruta de la imagen a tratar


70

Una vez seleccionada el nombre de la imagen, se le da la opción abrir. A esta imagen se

aplicará el algoritmo de detección de rostro. Como se ha mencionado el capítulo anterior,

el algoritmo de Viola y Jones se emplea en imágenes a escala de gris. A la imagen de

entrada en color se les aplica la transformación (3.1) para extraer la luminancia (Formula

4.1).

0.299 0.587 0.114 4.1)

A esta imagen de luminancia o de escala de gris se le aplica la ecualización del histograma

para resaltar el contraste en la imagen. El resultado de estas transformaciones (Figura 4.6)

se presenta como imagen de la parte derecha. Una vez pasada a escala de grises se lleva a

cabo la detección de los rostros, el cual se coloca cuadros de color azul para enmarcar los

rostros encontrados, como se puede apreciar en la parte izquierda de la Figura 4.6.

Figura 4.6 Resultado del algoritmo de detección de rostro

Se puede guardar la imagen o cerrar, para poder hacer otra detección ya sea por imagen o

video según se requiera.


71

Si se selecciona la opción de video, cuenta con varias acciones (Figura 4.7) como inicio de

video o detener el video. Cuando se selecciona la opción de iniciar, el video se activa y

comienza a detectar los rostros que se encuentren dentro del video. De la misma manera

que lo hizo con la imagen.

Figura 4.7 Opción de video: iniciar, detener y cerrar

El módulo que se implemento es capaz de detectar y localizar más que un rostro en una

trama de vídeo a partir de un archivo de video o directamente de una cámara web.

El procesamiento es tan rápido que se puede seguir los movimientos de rostros dentro de

la zona de observación.

4.3.3 Función de detección de objetos de OpenCV.

La Tabla 4.1 muestra la función principal de detección de objetos de OpenCV:

cvHaarDetectObjects . Esta función, que se aplicó en este trabajo, depende de algunos

parámetros: image, cascade, storage, storagescale_factor, min_neighbors, flags, min_size.


72

Tabla 4.1 Función de detección de objetos de OpenCV

CvSeq* cvHaarDetectObjects(

const CvArr* image,

CvHaarClassifierCascade* cascade,

CvMemStorage* storage,

double scale_factor = 1.1,

int min_neighbors = 3,

int flags = 0,

CvSize min_size = cvSize(0,0)

);

Image es la imagen a escala de grises,

cascade es el clasificador de cascada resultado del entrenamiento (ver el parágrafo

siguiente),

Storage sirve para la memoria de almacenamiento para guardar los resultados

scale_factor: es un factor de escala. La función cvHaar Detect Objects() escanea la imagen

de entrada para rostros de cualquier escala, habilitando el factor de escala determina que

tan grande será el brinco entre cada escala si se le pone a un mayor valor significará que el

tiempo de computación será más rápido.

min_neighbors es un factor que sirve para prevenir falsas detecciones, si se le coloca el

valor (3) este indicará que solamente se decidirá si el rostro está presente después de

haber hecho al menos tres detecciones.

flags es un parámetro que puede tomar a cuatro factores válidos los cuales pueden ser

combinados con un operador booleano OR:

1‐ cv_haar_do_canny_pruning, causa que cuando las regiones sean planas (por

ejemplo un fondo homogéneo) se evita procesarlas.


73

2‐ cv_haar_scale_image, el cual le dice al algoritmo que escale la imagen en el lugar

de escalar el detector.

3‐ cv_haar_find_biggest_object , permite regresar nada mas el objeto más grande

encontrado (por lo tanto el numero de objetos regresados será uno o ninguno).

4‐ cv_haar_do_rough_search el cual es usado solamente con

cv_harr_find_biggest_object, utilizada para terminar la búsqueda de objeto en

cuando el primer candidato sea encontrado (con suficientes vecinos para que sea

un acierto).

min_size es el tamaño de la ventana más pequeña en el cual se hace la búsqueda del

rostro, colocando este a un mayor valor reducirá el proceso de computación evitando

encontrar rostros pequeñas. Como se puede apreciar en la Figura 4.8, en la cual algunas

rostros no son detectadas y también hay falsos positivos (la camisa, no es rostro).

Figura 4.8 Detección de rostros [39]

4‐3.4 Funciones de clasificación en cascada Los resultados del entrenamiento se encuentran catalogados en un archivo tipo xml. Este

archivo describe el árbol de funciones de clasificaciones que se utilizó. Varios archivos se

encuentran en la librería OpenCV desarrollada por Lienhart [39] Entre ellos se puede citar

los que sirven para la detección de rostro:


74

haarcascade_profileface.xml

haarcascade_frontalface_default.xml,

haarcascade_frontalface_alt_tree.xml

haarcascade_frontalface_alt2.xml,

haarcascade_frontalface_alt.xml

Como ejemplo se presentará el caso del último archivo haarcascade_frontalface_alt.xml.

Está formado por 22 fases ordenadas del las más simples hacia las más complejas, aquí la

complejidad es una función de número de función de clasificación: por ejemplo, la fase 0

se compone de 3 funciones de clasificación sin embargo la última fase 21 contiene 213

funciones. Este árbol sólo se utiliza en nuestro módulo para validar el trabajo efectuado, la

elaboración de un árbol de funciones de clasificación es necesaria cuando se requiere la

comercialización del producto. La tabla 4.2 describe la estructura del árbol de las

funciones de clasificación como esta en el archivo de extensión xml.

Tabla 4.2 Estructura del árbol

Cascada:

Fase1

Clasificador 11

Descriptor 11

Clasificador 12

Descriptor 12

…

Fase 2

Clasificador 21

Descriptor 21

…

…

Cada fase es definida por un conjunto de función de clasificación y un umbral (Tabla 4.3).


75

Tabla 4.3 Estructura de una fase

Fasei

Clasificador i1

Descriptor i1

Clasificador i22

Descriptor i2

…

…

Umbral

Una función de clasificación (Tabla 4.4) incluye un descriptor de Haar, un umbral y dos

valores predefinidos por la función de clasificación. La salida toma una de estos valores

según que el resultado del descriptor sea superior o inferior al umbral de la función de

clasificación.

Tabla 4.4 La estructura de la función de clasificación

Clasificador i1

Descriptor i1

rectángulo 1

rectángulo 2

rectángulo 3

umbral

valor izquierda

valor derecha

El número total de funciones de clasificación utilizadas por el árbol es 2137. La tabla 4.5

describe la distribución de estas funciones de clasificación en cada fase.

Se puede observar que se utilizan solamente 1/4 de los descriptores en las 13 primeras

fases.


76

Tabla 4.5 Las fases y sus funciones del archivo haarcascade_frontalface_alt.xml

fase Numero de función

de clasificación

fase Numero de función

de clasificación

0 3 11 103

1 16 12 111

2 21 13 102

3 39 14 135

4 33 15 137

5 44 16 140

6 50 17 160

7 51 18 177

8 56 19 182

9 71 20 212

10 80 21 214

4.3.5 Detección combinada: rostro‐ojo

Como la mayoría de la funciones de OpenCV son optimizadas para tener respuestas en

tiempo real, un manera de tratar de mejorar el sistema de detección de rostro es el uso de

detección del ojo. En la primera etapa, el ojo será un objeto de estudio de igual manera

que el rostro con su entrenamiento generando un archivo tipo xml. Existe dentro de la

librería de OpenCV el archivo de Haarcascades para la detección de ojo lo cual es

haarcascade_eye.xml.

La afirmación o la negación de la presencia de un rostro está condicionada a la presencia

de un ojo en la zona rostro.


77

Capítulo 5

Experimentación y resultados

En este capítulo se expone los resultados obtenidos de los experimentos donde se

emplearon tres clasificadores de detección de rostro basados en: un clasificador de rostro

combinado con ojo y dos clasificadores de rostro mediante clasificadores entrenados que

se encuentran en OpenCV.

El objetivo tras la realización de estos experimentos no es investigar el rendimiento del

método de Viola y Jones, así como la comparación de los diferentes clasificadores de

OpenCV. El propósito esencial es encontrar las respuestas a las siguientes preguntas que se

pueden lograr solamente con tres clasificadores:

¿La combinación rostro – ojo mejoraría la detección?

¿La detección de rostro con dos diferentes clasificadores responde de la misma

manera?

¿La etapa del entrenamiento tiene importancia en la detección?

5.1 Experimentación

Los tres clasificadores propuestos para la experimentación tienen las características

siguientes:

‐Detección rostro‐ojo empleado con los archivos haarcascade_frontalface_alt.xml y

haarcascade_eye.xml.

‐Detección de rostro empleando el archivo haarcascade_frontalface_alt.xml.

‐Detección de rostro empleando el archivo haarcascade_frontalface_alt_tree.xml

Se utilizo la función de detección de rostro bajo Emgu DetectHaarCascade que corresponde a cvHaarDetectObjects de OpenCV. Esta función tiene los siguientes parámetros: DetectHaarCascade(face, 1.1, 1, HAAR_DETECTION_TYPE.DO_CANNY_PRUNING, new Size(20, 20));


78

La explicación de la tarea de cada parámetros fue explicada en el apartado 4.3.3 de capitulo 4.

scale_factor = 1.1

min_neighbors = 1 no se toma en cuenta la detección múltiple del mismo objeto

flags = cv_haar_do_canny_pruning, indica que cuando las regiones son homogéneas, se

evita procesarlas.

min_size= Size(20, 20) es el tamaño de la ventana más pequeña en el cual se hace la

búsqueda del rostro

Se tomaron 33 imágenes con diversas particularidades fueron elegidas para poder aplicar

estos clasificadores (Figuras 5.1 y 5.2). Estas particularidades son:

- Imágenes sencillas de rostro o rostros (por ejemplo fotos 9 y 25).

- Imágenes complejas: presencia de muchos objetos con alto contraste en el fondo

detrás de los rostros (fotos 3, 29,…)

- Imágenes con resolución diferente y tamaño de imágenes variado (imágenes

cuadradas, rectangulares, resolución alta, baja etc.)

- Imágenes con rostros en diferentes escalas (fotos 1, 28, 30, 31,…)

- Imagen sin rostro (foto 24)

A cada imagen se le aplicó los tres clasificadores lo que llevó a 99 el número total de

experimentos.

5.2 Resultados

Los resultados de estos tres clasificadores se muestran en las Figuras 5.1 y 5.2.

Se puede subrayar las siguientes observaciones:

‐ Detección de todos los rostros con los tres clasificadores en las fotos: 4, 6, 8, 9, 11, 12,

16, 23, 25 y 30.

‐ Detección de todos los rostros y además unos falsos positivos en los fotos 2, 14, 15 y 19.

‐ No se detectó nada en la imagen sin rostro.


79

‐ Se detectan rostros frontales o casi frontales, rostros de lado no se detectaron como en

las fotos 1, 21 y 28.

‐ El clasificador rostro–ojo y el clasificador rostro, los juntos con el mismo

haarcascade_frontalface_alt.xml, dieron resultados diferentes. El primero mejoro la

detección eliminando los falsos positivos en las fotos 2, 15 y 19. Al contrario, el hecho de

no poder detectar los ojos, no se detectaron los rostros en las fotos 1, 3, 27 y 28.

‐ Comparando las dos clasificadores de rostros (haarcascade_frontalface_alt.xml y

haarcascade_frontalface_alt_tree.xml) se nota las diferencias en fotos 1, 2, 7, 14, 15, 17,

20, 22, 29, 32 y 28.

‐ Se identificaron unos falsos negativos que son aquellos objetos que deberían ser

detectados pero no se detectan en fotos 3, 10 y 7.

En algunos casos se observan rostros detectados con doble cuadros (fotos 16, 25,31). Este

caso resulta del parámetro min_neighbors propuesto al valor 1. Un solo rostro se puede

detectar varias veces en ubicaciones cercanas o en diversas escalas. Las falsas alarmas

pueden también ocurrir pero generalmente con menos consistencia que las detecciones

múltiples. El número de detecciones múltiples (min_neighbors) en una vecindad de una

ubicación se puede utilizar como indicador de la existencia de un rostro en esa ubicación.

Se confirma una detección si el número de detecciones múltiples es mayor que un valor

dado. Esto se practica en la mayoría de los sistemas de detección de la cara [5,32]. Las

detecciones múltiples se combinan en un solo rostro y se eliminan las falsas alarmas.

5.3 Conclusión

De estos resultados se puede concluir lo siguiente:

• Los resultados con los dos archivos haarcascade_frontalface_alt.xml y

haarcascade_frontalface_alt_tree.xml dieron resultados diferentes. Por lo tanto la

detección de rostro depende de la fase de entrenamiento.

• el clasificador combinado rostro‐ojo no siempre mejora la detección, al contrario,

en algunos casos le empeora cuando no puede detectar el ojo.


80

• la presencia de falsos negativos está relacionado con diversos factores, como la

resolución de la imagen, el tamaño del objeto en le etapa del entrenamiento.

• Algunos rostros de lado o de perfil, rostro con gorra no se detectaron por la razón

que las muestras usadas en el entrenamiento que generaron estos dos archivos

son muestras de rostros frontales sin gorras.

foto Clasificación cara con ojo

frontalface_alt.xml

Clasificación cara

frontalface_alt.xml

Clasificación cara

frontalface_alt_tree.xml

2

4

5


81

6

7

8

9


82

10

11

12

14

15


83

16

17

18

19

20


84

21

22

23

24


85

25

26

29

32

Figura 5.1 Diferentes pruebas con 3 clasificadores

Foto 1(a)


86

Foto 1(b)

Foto 1(c)

Foto 3(a)

Foto 3(b)


87

Foto 3(c)

Foto 27(a)

Foto 27(b)


88

Foto 27(c)

Foto 28(a)

Foto 28(b)


89

Foto 28(c)

Foto 30 (a)

Foto 30(b)

Foto 30(c)


90

Foto 31(a)

Foto 31(b)

Foto 31(c)

Foto 33(a)

Foto 33(b)


91

Foto 33(c)

Figura 5.2 Diferentes pruebas con 3 clasificadores: (a) Clasificación rostro con ojo frontalface_alt.xml, (b) Clasificación carafrontal_alt.xml,(c) Clasificación cara

frontalface_alt‐tree.xml


92

Capítulo 6

Conclusiones y trabajo a futuro

En este capítulo se presentan las conclusiones a las cuales se ha llegado, en el desarrollo

de este proyecto, así como los resultados obtenidos a través de esta. De igual forma se

plantean algunos trabajos a futuro que pueden ser basados en esta investigación.

6.1 Conclusiones

La detección de rostro es una necesidad en la actualidad para varias aplicaciones como la

de video conferencia, indexación y sobre todo de video vigilancia. Su importancia crece

con la consideración que es la primera etapa en un sistema de reconocimiento de rostro.

La gran apariencia del objeto rostro, hace que su detección sea considerada una tarea

difícil para el reconocimiento de patrones.

Se logro objetivo principal establecido en el principio de esta tesis era el desarrollo de un

sistema de detección facial. Encontrar una metodología eficaz entre las que existen para

implementarla fue alcanzado mediante una búsqueda del estado del arte elaborado en el

segundo capítulo de este trabajo. Muchos de los métodos de detección de rostro

comparten las mismas técnicas y algoritmos de reconocimiento de patrones y análisis de

imágenes a pesar que estos últimos apuntan aplicaciones distintas. Uno de los métodos de

detección de rostros en tiempo real es el método de Viola y Jones. La descripción de este

algoritmo se detalló el tercer capítulo.

El método de Viola y Jones es un método supervisado de detección de rostro en tiempo

real. Su característica principal se puede resumir de la siguiente: un entrenamiento lento

con una detección muy rápida. Las ideas claves de este método se resumen en tres

puntos: (1) Explotar la imagen integral para tener una evolución rápida de los descriptores

de Haar. (2) Utilizar la técnica de “boosting” para la selección de descriptores: es un

método de clasificación que combina varios clasificadores simples para formar un único


93

clasificador más potente. (3) emplear un clasificador en cascada para un rápido rechazo

del objeto no‐rostro.

Este método de clasificación supervisado se requiere de una etapa de entrenamiento que

genera el clasificador. Varias funciones que contiene la biblioteca OpenCV permiten la

implementación de este método de una manera optimizada para lograr una aplicación en

tiempo real.

El diseño y la implementación de la aplicación mediante los elementos computacionales,

la etapa del entrenamiento, los parámetros de la función detección de rostro, los

clasificadores de OpenCV así como una detección combinada rostro‐ojo son explicados en

el capítulo 4.

El software desarrollado en esta tesis, implementado en el entorno Visual Studio 2008 con

lenguaje C# bajo Emgu y nombrado “Detección facial en sistemas de cómputo” admite

imágenes de video mediante cámara web así como imágenes fijas.

Los resultados obtenidos de la aplicación de este método de Viola y Jones en diferentes

imágenes usando diferentes clasificadores entrenados de OpenCV son presentados en el

capítulo 5.

Esta visión de los componentes principales de cada capítulo refleja el cumplimientos con

los 4 objetivos particulares de esta tesis lo cuales son (1) Estudio bibliográfico, (2)

encontrar un algoritmo eficaz para la detección facial, (3) su implementación y (4) la

creación de un sistema que se usara en otras aplicaciones. Al mismo tiempo refleja las

principales actividades realizadas en el desarrollo de este trabajo.

Los resultados de la aplicación desarrolladla en esta tesis muestra que el método de Viola

y Jones es un método de clasificación muy eficiente. A pesar que los resultados son

ampliamente relacionados con la etapa del entrenamiento, los parámetros de la función

de detección de objetos de OpenCV influyen ligeramente en los resultados.

Su aplicación no es limitada a la detección de rostro, se puede aplicarlo a cualquier tipo de

objeto.

Combinar la detección de rostro con la detección del ojo para mejorar la clasificación no

resulta siempre eficaz. Al contrario puede empeorar los resultados además de aumentar el


94

tiempo de computación y perder uno de los puntos claves de esta técnica que es su

respuesta en tiempo real.

Las aportaciones de este trabajo son:

1‐ Identificar un método de detección de rostro en tiempo real

2‐ Realizar una descripción detallada de sus etapas.

3‐ Implementar este método usando la biblioteca OpenCV la cual se encuentra

optimizada para respuestas en tiempo real.

4‐ Diseñar aplicaciones para imágenes fijas o de video para cualquier tipo de cámara

web.

5‐ Establecer las bases de investigación formal para próximos proyectos en

reconocimiento de rostros.

6.2 Trabajo a futuro

Los trabajos futuros citados a continuación se presentan con dos objetivos: mejorar el

presente trabajo o apoyarse en él para lograr otros objetivos.

- Generar un clasificador con un entrenamiento usando un gran número de

imágenes muestra.

- Mejora la detección con nuevos descriptores

- Implementar un sistema completo de reconocimiento de rostros

- Aplicar el método de Viola y Jones a otro campos como en proyectos Geo

espaciales (reconocimiento de objetos en mapa temáticas, detección de barcos en

imágenes satelitales de alta resolución, etc.)

- Detección y seguimiento de objetos en video (autos, personas, etc.).

- Detección de movimientos para proyecto de seguridad

- Implementar un sistema de reconocimiento facial como herramienta de seguridad

en un dispositivo móvil.


95

Referencias

[1] H. Ekenel and B.Sankur, “Feature selection in the independent component subspace for face recognition”, Pattern Recognition Letters, vol. 25, no. 12, pp. 1377‐1388, 2004.

[2] T. Kanade, “Picture Processing by Computer Complex and Recognition of Human Faces”, Ph.D. thesis, Kyoto University, 1973.

[3] F. Abate, M. Nappi, D. Riccio and G. Sabatino, “2D and 3D face recognition: A survey”, Pattern Recognition Letters, vol.28 , pp 1885–1906, 2007.

[4] M.‐H. Yang, D. Kriegman and N. Ahuja, “Detecting Faces in Images: A Survey, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol 24, no. 1, pp 34‐58, 2002.

[5] S. Z. Li A. K. Jain, Handbook of Face Recognition, springer,2005.

[6] D. de Ridder, O. Kouropteva, and O. Okun, “Supervised locally linear embedding”, in Proc. Joint Int. Conf. ICANN/ICONIP, vol. 2714, pp. 333‐341, 2003.

[7] D. J. Beymer, “Face recognition under varying pose”, in Proc. IEEE Conf. on Computer Vision and Pattern Recognition, pp. 756‐761, 1994.

[8] R. Brunelli and T. Poggio, “Face recognition: Features versus templates”, IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 15, no. 10, pp. 1042‐1052, 1993.

[9] A. Samal and P. A. Iyengar, “Automatic recognition and analysis of human faces and facial expressions: A survey”, Pattern Recognition, vol. 25, no. 1, pp. 65‐77, 1992.

[10] G. P. Martinsanz y G. de la Cruz, Visión por computadora, segunda edición Alfaomega, 2008.

[11] D. Valentin, H. Abdi, A. O’Toole and G. Cottrell, “Connectionist models of face processing: a survey”, Pattern Recogn., vol. 27, pp. 1208–1230, 1994.

[12] M. Turk and A. Pentland, “Eigenfaces for Recognition”, Journal of Cognitive Neurosicence, Vol. 3, No. 1, pp. 71‐86, 1991.

[13] H. Moon and P.J. Phillips, “Computational and Performance aspects of PCA‐based Face Recognition Algorithms”, Perception, Vol. 30, pp. 303‐321, 2001.

[14] M.S. Bartlett, J.R. Movellan and T.J. Sejnowski, “Face Recognition by Independent Component Analysis”, IEEE Trans. on Neural Networks, Vol. 13, No. 6, pp. 1450‐1464, November 2002.


96

[15] C. Liu and H. Wechsler, “Comparative Assessment of Independent Component Analysis (ICA) for Face Recognition”, in Proc. of the Second International Conference on Audio‐ and Video‐based Biometric Person Authentication, pp. 211‐216, March 1999.

[16] K. Etemad and R. Chellappa, “Discriminant Analysis for Recognition of Human Face Images”, Journal of the Optical Society of America A, Vol. 14, No. 8, pp. 1724‐1733, August 1997.

[17] W. Zhao, R. Chellappa and A. Krishnaswamy, “Discriminant Analysis of Principal Components for Face Recognition”, in Proc. of the 3rd IEEE International Conference on Face and Gesture Recognition, FG'98, Nara, Japan, pp. 336‐341, April 1998.

[18] L. Wiskott, J.‐M. Fellous, N. Krueuger and C. Von Der Malsburg, “Face Recognition by Elastic Bunch Graph Matching”, Chapter 11 in Intelligent Biometric Techniques in Fingerprint and Face Recognition, eds. L.C. Jain et al., CRC Press, pp. 355‐396, 1999.

[19] L. Wiskott, J.‐M. Fellous, N. Krueuger and C. Von Der Malsburg, “Face Recognition by Elastic Bunch Graph Matching”, IEEE Trans. On Pattern Analysis and Machine Intelligence, Vol. 19, No. 7, pp. 776‐779, 1997.

[20] A. Kadyrov and M. Petrou, “The Trace Transform and Its Applications”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, No. 8, pp. 811‐828, August 2001.

[21] S. Srisuk, M. Petrou, W. Kurutach and A. Kadyrov, “Face Authentication using the Trace Transform”, in Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'03), Madison, pp. 305‐312, June 2003.

[22] T. F. Cootes, K. Walker and C. J. Taylor, “View‐Based Active Appearance Models”, in Proc. of the IEEE International Conference on Automatic Face and Gesture Recognition, Grenoble, France, pp. 227‐232, March 2000.

[23] V. Blanz and T. Vetter, “Face Recognition Based on Fitting a 3D Morphable Model”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 25, No. 9, pp. 1063‐1074, September 2003.

[24] B. Moghaddam, J. H. Lee, H. Pfister and R. Machiraju, “Model‐Based 3D Face Capture with Shape‐from‐Silhouettes”, in Proc. of the IEEE International Workshop on Analysis and Modeling of Faces and Gestures, AMFG , Nice, pp. 20‐27, October 2003.

[25] A. Bronstein, M. Bronstein, R. Kimmel and A. Spira, “3D face recognition without facial surface reconstruction”, in Proceedings of ECCV, Prague, Czech Republic, May 2004.

[26] B. Moghaddam, C. Nastar and A. Pentland, “A Bayesian Similarity Measure for Deformable Image Matching”, Image and Vision Computing, vol. 19, no. 5, pp. 235‐244, May 2001.


97

[27] C. Liu and H. Wechsler, “A Unified Bayesian Framework for Face Recognition”, in Proc. of the 1998 IEEE International Conference on Image Processing, Chicago, Illinois, USA, pp. 151‐155, October 1998.

[28] V.N. Vapnik, Statistical Learning Theory, John Wiley & Sons, Inc, 1998.

[29] P. Shih and C. Liu, “Face detection using discriminating feature analysis and Support Vector Machine”, Pattern Recognition, vol. 39, no. 2, pp. 260‐276, February 2006.

[30] B. Heisele, T. Serre, S. Prentice and T. Poggio, “Hierarchical classification and feature reduction for fast face detection with support vector machines”, Pattern Recognition, vol. 36, no. 9, pp. 2007–2017, 2003.

[31] P. Brimblecombe and H. Meng. (2008). Sciences Face Detection using Neural Networks, Electronic Engineering. Available: http://en.scientificcommons.org/ electronic_engineering

[32] H. Rowley, S. Baluja and T. Kanade, Neural network‐based face detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 1, pp. 23–38, 1998.

[33] R. Schapire, “Strength of weak learnability”, Journal of Machine Learning, vol. 5, pp. 197–227, 1990.

[34] Y. Freund, “Boosting a weak learning algorithm by majority”, In Annual Workshop on Computational Learning Theory, pp. 202 – 216, 1990.

[35] Y. Freund, and R. E. Schapire, “A decision‐theoretic generalization of on‐line learning and an application to boosting”, Journal of Computer and System Sciences, vol. 55, pp. 119 – 139, 1997.

[36] P. Viola and M. Jones, "Rapid object detection using boosted cascade of simple features," in Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol. 1, pp. 511‐ 518, Kauai, Hawaii 2001,

[37] P. Viola and M. Jones., “Robust real time object detection”, In IEEE ICCV Workshop on Statistical and Computational Theories of Vision, Vancouver, 2001.

[38] P. Viola and M. Jones, “Robust Real‐Time Face Detection”. International Journal of Computer Vision, vol.57, no. 2, pp. 137‐154, 2004.

[39] G. R. Bradski, A. Kaehler, Learning OpenCV Computer Vision with the OpenCV Library, O’REILLY., September 2008.

[40] J. Canny, “A Computational Approach to Edge Detection”, IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 8, no. 6, pp. 679‐698, 1986.


98

[41] C.Papageorgiou, M. Oren and T. Poggio, "a general framework for object detection", in International Conference on Computer Vision, 1998.

[42] R. Lienhart and J. Maydt, "An extended set of haar‐like features for rapid object detection," in IEEE ICIP, vol. 1, pp. 900‐903, 2002.

[43] F. C. Crow, “Summed‐area tables for textures mapping”, computer Graphics, vol. 18, no. 3, july 1984.

diseo e implementacin de un herramienta de deteccin facial

Documents