Detección de caras
La detección de caras puede ser considerada como un caso específico de la detección de objetos. Lo que se pretende con la detección de caras es localizar la cara o las caras, si existen, y devolver su ubicación a la imagen y el tamaño de estas. La localización facial se realiza mediante la detección de características faciales, como los ojos, la nariz, etc.
Factores que impiden la localización de la cara
Existen varios factores que impiden la localización de la cara. Uno de estos factores es la posición de esta respecto a la de la cámara; otro factor seria la presencia o ausencia de componentes estructurales como la barba, el bigote o unas gafas, de estos hay una gran cantidad con una gran variabilidad (color, tamaño, forma,..). La expresión facial, aunque afecta más al reconocimiento facial, también puede impedir la localización facial. Otros factores como la oclusión parcial de la cara por objetos o por otras caras, o simplemente condiciones de iluminación y características de la cámara, como puede ser el sensor, afectan a la localización de un rostro.
Métodos de detección de caras
Métodos basados en el conocimiento
Estos métodos se basan con normas que codifican el conocimiento humano de cómo se constituye una cara típica. Normalmente se usan para la localización de caras.
Aproximaciones a características no variables
Estos algoritmos tienen como objetivo encontrar características estructurales que permanecen constantes por variaciones de posición, de punto de vista o de condiciones lumínicas variables para poder localizar las caras. Estos métodos son designados normalmente para la localización de caras. Los sistemas más utilizados son:
- Facial Features
- Texture
- Skin Color
- Multiple Features
Métodos de búsqueda de modelos
Constan de diversos patrones estándares de una cara que son almacenados para describir las caras como una parte entera o como características faciales. Las correlaciones entre una imagen de entrada y los patrones almacenados son utilizadas para la detección. Estos métodos pueden ser utilizados para tanto para la localización como para la detección de caras. Los sistemas más utilizados son:
- Predefined
- Face Templates
- Deformable Templates
Métodos basados en el aspecto
En contraste con los otros métodos, estos son generados des de una colección de imágenes de entrenamiento de las cuales han de capturar las variaciones representativas del aspecto final. Los sistemas más utilizados son:
- Eigenface
- Distribution-based
- Neural Network
- Support Vector Machine
- Naive Bayes Classifier
- Hidden Markov Model
La detección de caras en la actualidad
De los modelos anteriores, el que más se utiliza en la actualidad son los métodos basados en el aspecto ya que son los que dan mejores resultados. Esto se debe a que en función de la variabilidad de la colección de imágenes o muestras con las que se realiza en entrenamiento se obtendrían detectores con tasas altas de detección y bajas tasas de falsa alarma. Además de una gran robustez, presentan una eficiencia en el sistema de detección y reducción de coste computacional.
Aplicaciones de la detección de caras
La detección de caras se utiliza normalmente para:
- El reconocimiento o identificación de caras: donde se compara una imagen de entrada frente una base de datos de imágenes y se confirmará si hay coincidencia o no.
- Autentificación de caras: para verificar la afirmación de la identidad de un individuo en una imagen previa.
- Seguimiento de caras: este proceso estima continuamente la localización y posible orientación de una cara en una secuencia de imágenes en tiempo real.
- Reconocimiento de expresiones faciales: identifica los estados de ánimo.
Véase también
Notas y referencias
- Yang, M., Kriegman,David J., Ahuja, N., Detecting faces in images: a survey, enero 2002.
- Yang, M., Face detection, University of California
- Fasel, I.R., Movellan, J.R., A comparison of face detection algorithms, University of California
- Romdhani, S., Torr, P., Scholköpf, B., Blake, A., Computationally efficient face detectio, Microsoft Research LTD, 2001.