Vol. 6 Núm. 3 (2017): Revista de Investigaciones
Notas de Revisión

TÉCNICAS DE PROCESAMIENTO DIGITAL DE IMÁGENES APLICADOS AL RECONOCIMIENTO AUTOMÁTICO DE ROSTROS

RENZO APAZA CUTIPA
Universidad Nacional del Altiplano
GINA FIORELLA CHARAJA SANCHEZ
Universidad Nacional del Altiplano
JULIO CESAR LAURA HUANCA
Universidad Nacional del Altiplano

Publicado 2017-10-02

Cómo citar

APAZA CUTIPA, R., CHARAJA SANCHEZ, G. F., & LAURA HUANCA, J. C. (2017). TÉCNICAS DE PROCESAMIENTO DIGITAL DE IMÁGENES APLICADOS AL RECONOCIMIENTO AUTOMÁTICO DE ROSTROS. Revista De Investigaciones, 6(3), 287-296. https://doi.org/10.26788/riepg.v6i3.101

Resumen

En el presente documento se expone una revisión de los métodos aplicados al problema de reconocimiento automático de rostros, se revisan los modelos holísticos, los basados en característica locales y los de métodos híbridos. Dentro de los métodos holísticos se revisan el Análisis de componentes Principales PCA, el Análisis Discriminatorio Lineal LDA y 2-Dimensional PCA 2DPCA. Dentro de los métodos basados en características locales se revisan los basados en las características de Gabor y Dentro de los métodos híbridos se revisa una propuesta que combina el PCA y las características de Gabor. Finalmente se presentan y explican las ventajas y desventajas de cada método así como los resultados publicados en los 5 artículos revisados objeto del presente.

Referencias

  1. Belhumeur, P. N., Hespanha, J. P., & Kriegman, D. J. (1997). Eigenfaces vs. fisherfaces: Recognition using class specific linear projection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 19(7), 711–720. https://doi.org/10.1109/34.598228
  2. Bellakhdhar, F., Loukil, K., & Abid, M. (n.d.). Face recognition approach using Gabor Wavelets, PCA and SVM. Retrieved from https://ijcsi.org/papers/IJCSI-10-2-3-201-207.pdf
  3. Etemad, K., & Chellappa, R. (1996). Face recognition using discriminant eigenvectors. In 1996 IEEE International Conference on Acoustics, Speech, and Signal Processing Conference Proceedings (Vol. 4, pp. 2148–2151). https://doi.org/10.1109/ICASSP.1996.545741
  4. Heitmeyer, R. (2000). Biometric identification promises fast and secure processing of airline passengers. ICAO Journal, 55(9), 10–11.
  5. Jain, A. K., & Li, S. Z. (2011). Handbook of face recognition. Springer.
  6. Kanade, T. (1973). Picture Processing System by Computer Complex and Recognition of Human Faces. Doctoral Dissertation, Kyoto University.
  7. Kirby, M., & Sirovich, L. (1990). Application of the Karhunen-Loeve procedure for the characterization of human faces. IEEE Transactions on Pattern Analysis and Machine Intelligence, 12(1), 103–108. https://doi.org/10.1109/34.41390
  8. Lades, M., Vorbrueggen, J. C., Buhmann, J., Lange, J., v.d Malsburg, C., Wuertz, R. P., & Konen, W. (1993). Distortion invariant object recognition in the dynamic link architecture. IEEE Transactions on Computers, 42(3), 300–311. https://doi.org/10.1109/12.210173
  9. Sirovich, L., & Kirby, M. (1987). Low-dimensional procedure for the characterization of human faces. Journal of the Optical Society of America. A, Optics and Image Science. https://doi.org/10.1364/JOSAA.4.000519
  10. Turk, M., & Pentland, A. (1991). Eigenfaces for Recognition. Journal of Cognitive Neuroscience. https://doi.org/10.1162/jocn.1991.3.1.71
  11. Wiskott, L., Fellous, J. M., Krüger, N., & Von der Malsburg, C. (1997). Face recognition by elastic bunch graph matching. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 1296, pp. 456–463). https://doi.org/10.1007/3-540-63460-6_150
  12. Yang, J., Zhang, D., Frangi, A. F., & Yang, J. Y. (2004). Two-Dimensional PCA: A New Approach to Appearance-Based Face Representation and Recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 26(1), 131–137. https://doi.org/10.1109/TPAMI.2004.1261097