En el mundo de hoy, muchas aplicaciones requieren interactuar automáticamente con sus
usuarios, y la necesidad de que estas aplicaciones puedan conseguir de forma automática información
acerca del usuario hacen que la clasificación de características faciales sea muy importante. Así, estos
módulos de clasificación se pueden ocupar en múltiples y diversas aplicaciones.
El objetivo general del presente trabajo es la clasificación de características faciales usando
algoritmos de aprendizaje estadístico, esto significa poder detectar y clasificar el mayor número posible
número de características que se pueden encontrar en una cara usando solo ejemplos de imágenes de
estas mismas, sin utilizar a priori ninguna información de las características dadas.
En el presente trabajo se desarrollaron detectores y clasificadores de las características que se
consideran más significativas, y en general, las primera en que una persona se fija al ver un rostro, así es
como se decidió construir clasificadores de barba, bigotes y lentes que distinguieran si una persona en
una foto posee o no barba, bigotes y/o lentes. Además de estas características más visuales, se
desarrolló un clasificador de edades en cuatro tramos, niños, jóvenes, adultos y ancianos, que lograra
dar como respuesta, usando su confidencia, el grado de certeza de la clasificación. Como objetivo
secundario pero no menos importante, se desarrollo un detector de bocas, que entrega la posición
central de la boca en las caras detectadas.
Excelentes resultados se reportaron en la detección de boca, con tasas de detección superiores
al 99% y errores comparables al error proveniente del marcado manual de las bocas. El clasificador de
lentes obtuvo también excelentes resultados, con tasas de detección del 95% para bases de datos con
ambientes controlados y del orden del 90% para bases con ambientes no controlados. Clasificadores de
barbas y bigotes luego de usar el detector de boca obtuvieron muy buenos resultados, con tasa de
detección por sobre el 95% en bases de datos con ambientes no controlados. Por su parte, la nueva
arquitectura diseñada para el clasificador de edad, que ocupa la información de las confidencias para da
una respuesta más general, funciono de buena forma, aunque podrían hacerse mejoras en este último
punto.
Se concluyó finalmente que los clasificadores Adaboost elegidos en este trabajo para hacer las
clasificaciones reportan excelentes resultados, y no se duda que puedan también hacerlo en otros tipos
de aplicaciones de similares características. Comparando con otros trabajos, se ha visto que el trade-off
entre las tasas de detección y el tiempo de clasificación son excelentes. Ambas características ocupadas
Rectangulares y LPBm reportan resultados positivos en distintos tipos de clasificadores, así, ninguno de
las dos se descarta al momento de hacer un nuevo clasificador.
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/103144 |
| Date | January 2008 |
| Creators | Sanhueza Riveros, Oscar Alfonso |
| Contributors | Ruiz del Solar, Javier, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Eléctrica, Agusto Alegría, Héctor, Verschae Tannenbaum, Rodrigo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0019 seconds