Full text
Preview |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (7MB) | Preview |
Cabello Pardos, Enrique (2004). Técnicas de reconocimiento facial mediante redes neuronales. Thesis (Doctoral), Facultad de Informática (UPM). https://doi.org/10.20868/UPM.thesis.215.
Title: | Técnicas de reconocimiento facial mediante redes neuronales |
---|---|
Author/s: |
|
Contributor/s: |
|
Item Type: | Thesis (Doctoral) |
Read date: | April 2004 |
Subjects: | |
Freetext Keywords: | VISION ARTIFICIAL |
Faculty: | Facultad de Informática (UPM) |
Department: | Tecnología Fotónica [hasta 2014] |
Creative Commons Licenses: | Recognition - No derivative works - Non commercial |
Preview |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (7MB) | Preview |
En esta Tesis se exploran soluciones a la verificación facial. Se han estudiado técnicas basadas en imágenes bidimensionales y se ha realizado un estudio inicial
basado en un modelo tridimensional de la cara. Se han comparado tres clasificadores (k vecinos más cercanos, redes neuronales del tipo ñmciones de base radial y máquinas de
vector soporte), mostrando los resultados obtenidos con los diferentes datos de entrada.
En dos dimensiones se han propuesto dos técnicas de reducción de información, basadas en la utilización de análisis de componentes principales (PCA) y el empleo de
imágenes de baja resolución. En la verificación partiendo de imágenes se puede
observar que el clasificador que mejores resultados proporciona es el basado en
máquinas de vector soporte (SVM), y el mejor método de procesamiento es PCA
utilizando una plantilla por sujeto y siendo esta plantilla una imagen del sujeto que se
quiere verificar.
Además se ha desarrollado un experimento inicial que permite disponer de una
idea intuitiva sobre el funcionamiento de un sistema de verificación facial basado en
datos tridimensionales. En esta Tesis se ha desarrollado un modelo de cara en tres
dimensiones y se ha comprobado que es posible su ajuste a una nube de puntos poco
densa con un error pequeño. Este tipo de datos permite obtener resultados más robustos
frente a actitudes no colaborativas de los sujetos.
Item ID: | 215 |
---|---|
DC Identifier: | https://oa.upm.es/215/ |
OAI Identifier: | oai:oa.upm.es:215 |
DOI: | 10.20868/UPM.thesis.215 |
Deposited by: | Archivo Digital UPM |
Deposited on: | 02 Oct 2007 |
Last Modified: | 10 Oct 2022 09:18 |