Optimización e implementación de un sistema reconocedor de rostros

Descripción del Articulo

Los Sistemas de seguridad controlados por características de tipo biométrico experimentan un creciente interés frente a alternativas tradicionales. Este éxito se debe en gran medida a que, cuando una persona pretende acceder a un sistema, la decisión se toma en base a características específicas de...

Descripción completa

Detalles Bibliográficos
Autores: Del Carpio Salinas, Jorge Alberto, Huamán Layme, José Antonio
Formato: artículo
Fecha de Publicación:2006
Institución:Universidad Nacional de Ingeniería
Repositorio:UNI-Tesis
Lenguaje:español
OAI Identifier:oai:cybertesis.uni.edu.pe:20.500.14076/14016
Enlace del recurso:http://hdl.handle.net/20.500.14076/14016
https://doi.org/10.21754/tecnia.v16i2.387
Nivel de acceso:acceso abierto
Materia:Base de datos
Biometría
Métodos estadísticos
Modelo de Markov
Descripción
Sumario:Los Sistemas de seguridad controlados por características de tipo biométrico experimentan un creciente interés frente a alternativas tradicionales. Este éxito se debe en gran medida a que, cuando una persona pretende acceder a un sistema, la decisión se toma en base a características específicas de esa persona, y no en base a lo que conoce o a lo que posee (Tarjetas magnéticas, claves, etc ); En los últimos años el gran desarrollo de los sistemas de información unido al abaratamiento y masificación de computadoras y sensores ha provocado un creciente interés por sistemas que permitan establecer la identidad de un individuo en forma automatizada. Frente a esto, en este trabajo se describe e implemento un reconocedor de rostros utilizando las técnicas más exitosas en el campo de la biometría basadas en métodos Estadísticos como son: Descomposiciones del tipo Eingenface y Modelo Oculto de Markov Embebido (HMME). El primer método genera una representación lineal reducida de las imágenes de rostros de manera que cada rostro sea proyectado en un espacio de dimensionalidad reducida donde se llevara a cabo el reconocimiento. El segundo método genera un modelo de estados, basados en la correspondencia entre secuencia de observación y secuencias de estados. Para ello se ha empleado una base de datos de rostros obtenida con estudiantes de la Universidad Nacional de Ingeniería UNI, una cámara, una tarjeta digitalizadora y el sistema se implementó casi en tiempo real empleando el C++.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).