Page 60 - Ingeniantes 521 interactivo

Revista Ingeniantes 2018 Año 5 No. 2 Vol. 1

extraen las Eigenfaces considerando lo siguiente: imagen. A continuación, en la pantalla del sistema se
- Se realizó el cálculo de la media del rostro y se resta despliega un mensaje indicando que se ha encontrado
de las imágenes normalizadas. un rostro almacenado en el conjunto de entrenamien-
- Se generó la matriz Mx, donde las columnas son imá- to de la carpeta “positivo”. En caso contrario se mues-
genes de rostros del entrenamiento normalizados. tra un mensaje indicando que no se encontró ningún
- Se aplicó la SVD a la matriz Mx generando dos ma- rostro y se solicita revisar la imagen muestra.jpg para
trices, una contiene las Eigenfaces o valores propios observar el resultado. Esta imagen se encuentra en la
y la otra las raíces cuadradas de los valores propios. carpeta “positivo”.
- Se almacenaron las Eigenfaces y las proyecciones En el siguiente paso, se lleva a cabo el proceso de
de las imágenes de rostros del entrenamiento sobre acondicionamiento y normalización geométrica de las
ellas. imágenes recibidas del módulo anterior como se indi-
ca en la Figura 8.

- Se calculó la proyección de las imágenes de rostros
del entrenamiento sobre las Eigenfaces y se realizó el
producto escalar de la imagen sobre cada una de las
Eigenfaces.

- En la fase de reconocimiento, una vez que se obtuvo
el vector de características, se determinó, del conjun-
to de imágenes entrenamiento, la más parecida a la
imagen de prueba a partir de sus proyecciones.

- Finalmente, se comparó el vector de prueba yPr, for-
mado por las proyecciones de la imagen de prueba
sobre las Eigenfaces, con cada uno de los vectores
del entrenamiento yEn y se utilizó la distancia euclidia-
na como criterio de decisión, es decir |yPr- yEn| .

Identificación mediante características de Haar Figura 8. Rostros capturados para el conjunto positivo de entre-
Las imágenes positivas y negativas de la base de da- namiento
tos de rostros de AT&T se encuentran almacenadas
en dos carpetas, una llamada positivo y la otra nega- Extracción de características
tivo. Para la identificación mediante características de En este módulo se realiza la extracción de información
Haar, se usaron las imágenes positivas. Cada imagen asociada al rostro seleccionando regiones como ojos,
positiva está en formato png, el tamaño de cada ima- nariz, boca, entre otros, para clasificar, a través de de-
gen es de 92x112 píxeles, con niveles de gris de 256 formaciones, los cambios de forma y textura, utilizan-
por píxel. Estás imágenes se organizan en 40 subcar- do las imágenes acondicionadas y normalizadas del
petas con 10 imágenes cada una, siendo un total de módulo anterior. El sistema busca todas las imágenes
400 imágenes de rostros con variaciones de luz, ex- en las carpetas del conjunto de entrenamiento ”nega-
presiones faciales y detalles como anteojos y vello tivo” y ”positivo”. A continuación, se prepara la imagen
facial. El nombre de la imagen positiva está formado en escala de grises e inicia la fase de entrenamiento,
por el prefijo “img_positiva_” seguido del identificador donde se crean las Eigenfaces de los conjuntos nega-
y extensión pgm (Portable Gray Map). En caso de no tivos y positivos y se almacenan los resultados en el
existir la carpeta, se crea una llamada positiva. El sis- archivo ”resultEntrenamiento.xml”.
tema despliega una ventana donde se puede observar Para observar los resultados del aprendizaje supervi-
la imagen capturada por la cámara de video, con el sado, se almacenan tres imágenes, la primera corres-
fin de mejorar resultados al momento de capturar el ponde a la media de todas las imágenes tanto positi-
rostro, al presionar el usuario la letra ”F”, en el teclado vas como negativas, la segunda y tercera, mediante
del sistema seguida de “Enter”, se realiza la captura Eigenvectores, se obtienen las Eigenfaces del conjun-
y se convierte a escala de grises. Posteriormente, se
identifican los rostros mediante las características de
Haar para un único rostro con la menor distancia cal-
culada, ya que pueden detectarse varios rostros en el
fondo. En caso de reconocer un rostro, se elimina la
información adicional, se redimensiona la imagen y se
ecualiza el histograma para mejorar la calidad de la

56