Reconocimiento de rostros con Elastic Bunch Graph Matching en aplicaciones de video

• Autor: Galdos Chávez, José Rodrigo
• Formato: tesis de maestría
• Fecha de Publicación: 2017
• Institución: Consejo Nacional de Ciencia Tecnología e Innovación
• Repositorio: CONCYTEC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.concytec.gob.pe:20.500.12390/1951
• Enlace del recurso: https://hdl.handle.net/20.500.12390/1951
• Nivel de acceso: acceso abierto
• Materia: Vídeo vigilancia; Reconocimiento de rostros; Ambiente no controlado; Elastic Bunch Graph Matching; https://purl.org/pe-repo/ocde/ford#1.02.01

El reconocimiento de rostros es un ´area con una gran cantidad de aplicaciones y t´ecnicas. Muchas de esas t´ecnicas ofrecen buenos resultados cuando se aplican a situaciones donde el ambiente en el cual se desea realizar el reconocimiento es controlado, esto se entiende como el control de los factores que influyen en el proceso de reconocimiento, tales como iluminaci´on, pose del rostro, expresi´on facial, etc. Pero para el caso de ambientes no controlados, como lo es la v´ıdeo vigilancia, el reconocimiento de rostros a´un presenta dificultades: variaci´on en la iluminaci´on, falta de colaboraci´on de las personas a reconocer, entre varios otros. Debido a la importancia que tiene en seguridad y a la cantidad de infraestructura existente, es necesario aplicar el reconocimiento de rostros a video vigilancia. Para afrontar los problemas mencionados, proponemos un pipeline de reconocimiento de rostros usando EBGM con CLNF como reemplazo a la funci´on de detecci´on de puntos del algoritmo original, para finalmente ser aplicado en v´ıdeo. Adem´as en este trabajo de tesis se realizamos un an´alisis param´etrico de EBGM para encontrar el factor mas influyente en su rendimiento, junto con su comparaci´on con otros m´etodos de reconocimiento de rostros. Tambi´en se determin´o que elementos forman parte del pipeline presentado como resultado final. Finalmente la probamos la propuesta en una base de datos creada a partir de tomas de una c´amara de seguridad, que consta de 24 sujetos con 8 im´agenes cada uno. Los resultados finales muestra una mejora en im´agenes tomadas en la mañana y en el medio día respectivamente.