Método de optimización para reconocimiento facial basado en la fusión de algoritmos y segmentación según las características de las imágenes

Abstract

Este trabajo de investigación propone un método basado en la fusión de varios algoritmos de reconocimiento facial y en la segmentación de categorías según las características de las imágenes, que permita mejorar la tasa de reconocimiento facial que se obtiene al aplicar dichos algoritmos de manera individual. Solventando de esta manera, la sensibilidad que presentan estos algoritmos ante determinadas características presentes en las imágenes a reconocer tales como: variación de iluminación, variación de pose, expresión facial y oclusión.
Como parte de este proceso de investigación, luego de realizar un estado de la cuestión detallado sobre reconocimiento facial, se especificó el modelo planteado y se procedió a implementarlo. Luego se realizaron varios experimentos, en los cuales el modelo fue entrenado con diferentes particiones de datos y posteriormente fue utilizado para clasificar todo el conjunto de datos. Los resultados obtenidos por el modelo fueron presentados y analizados comparándolos con los resultados obtenidos al aplicar los algoritmos de reconocimiento facial de manera individual, y con los resultados al aplicar otro enfoque de fusión de los algoritmos basado en la moda.
El modelo propuesto obtuvo una tasa de reconocimiento mayor que la que se obtuvo al aplicar los algoritmos de reconocimiento facial por separado, y al aplicar el enfoque basado en la moda, superando en 2,4 % a la precisión obtenida por el mejor de los algoritmos. Además, alcanzó una precisión del 95,5 % dentro de una evaluación de tipo “Identificación open-set”, en donde se utilizó el valor de confiabilidad provisto por el modelo, para decidir cuándo una identidad predicha es devuelta como válida o no.
Los resultados obtenidos en este trabajo son importantes, ya que proveen un mecanismo para afrontar de mejor manera la sensibilidad que presentan los algoritmos de reconocimiento facial ante determinadas características en las imágenes. Además, da lugar a que se continúen con nuevas investigaciones en esta línea.---ABSTRACT---The current research work suggests a model to improve the rate of face recognition that consists in the fusion of different algorithms used for face recognition and images segmentation based on characteristics. The purposed method provides better results that applying the algorithms independently. The method solves some sensibility problems of the algorithms to specific characteristics of images such as light variation, position variation, facial expression variation, and occlusion.
As part of the research process the state of the art on face recognition was reviewed. Thereafter, the model was specified and implemented. Furthermore, some experiments were performed in order to train the model with different datasets. Then, the trained model was used to classify a dataset. The results obtained of the application of the model were analyzed and compared with the results of applying each algorithm individually. Also, the results of the purposed model were compared with results obtained after applying another approach of algorithms fusion based on the mode.
The results of the purposed model for face recognition have a higher rate than the one obtained by applying the algorithms independently, and the fusion approach based on the mode. The purposed model’s precision was 2.4% higher than the best precision obtained from the algorithms applied independently. Furthermore, the model reached a 95.5% of precision in the evaluation type “open-set identification”. The reliability value provided by the model was used in order to perform the evaluation to decide whether a predicted identity was valid or not.
The results obtained in the current work are important because they provide a better mechanism to tackle the sensitivity of the algorithms, used for face recognition, to specific image characteristics. Moreover, it suggests some future research lines.