Modelo para la detección de rostros en secuencias de Video con Baja Calidad

• Autor: Cárdenas Talavera, Rolando Jesus
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:UNSA/6453
• Enlace del recurso: http://repositorio.unsa.edu.pe/handle/UNSA/6453
• Nivel de acceso: acceso abierto
• Materia: Áreas públicas; Cámaras de video; Prevenir acciones delictivas; Detección de rostros; Procesamiento de imágenes; https://purl.org/pe-repo/ocde/ford#2.11.02

La utilización de las cámaras de video para monitoreo de áreas públicas o privadas con motivos de seguridad ha venido incrementándose en los últimos tiempos, al igual que la necesidad de aplicaciones que automaticen el control sobre las imágenes que son capturadas con la finalidad de prevenir acciones delictivas u accidentes. Aunque se tienen trabajos en el área de la detección de rostros bien establecidos, estos fallan en su aplicación a situaciones reales de video vigilancia. La propuesta de este trabajo se basa en dar a conocer un nuevo esquema de procesamiento para la detección de rostros para secuencias de video de baja calidad, utilizando la propuesta paralela del algoritmo de flujo óptico de Gunnar Farnebäck, el descriptor de Flujo Violento modificado, Clasificadores en cascada de Haar, Patrones Locales Binarios entrenados con rostros de baja resolución y el empleo de Deep Learning (Red Neuronal Convolucional). Los resultados obtenidos en la base de datos de Caviar muestran una detección del 39.50% en la detección de rostros en videos de baja calidad con un bajo margen de error del 0.27% frente a propuestas como los detectores de la librería OpenCv (basado en Haar), la librería DLib C++ (basada en HOG) y la herramienta Matlab (basada en Haar) que obtienen en promedio un 1% de precisión en la detección de rostros.