UNIVERSIDAD TECNOLGICA BOLIVIANA

INGENIERA DE SISTEMAS

RECONOCIMIENTO FACIAL MEDIANTE RECONOCIMIENTO DE

PATRONES
Monografa

Autor: Douglas Alejandro Toro Salas

La paz, 2015

1. Resumen
Esta monografa hace un estudio acerca del reconocimiento facial mediante el
reconocimiento de patrones. El algoritmo en el que se har nfasis el algoritmo PCA, que
hace uso de un conjunto de bases ortogonales respecto al cual se representan las
caractersticas globales de las imgenes, de tal manera que se extraen los rasgos
caractersticos de la cara en cuestin, reduciendo enormemente la cantidad de informacin
necesaria a manipular en la fase de reconocimiento.
2. Introduccin
De manera intuitiva, podemos definir el reconocimiento de patrones como la forma de
interpretar al mundo, por ejemplo, un nio desde bebe aprende a reconocer su entorno
distinguiendo patrones visuales (formas, colores, etc.), auditivos (sonidos, msica, etc.),
sensitivos (calor, frio, etc.), entre otros. Conforme un nio crece va refinando su capacidad
de reconocimiento de patrones, de manera que puede distinguir una meloda de otra,
diferentes variaciones de temperatura, diferentes tonalidades de un mismo color.
Posteriormente aprende a hablar, a reconocer letras, a formar y entender palabras, etc. En
fin, podemos decir que el reconocimiento de patrones es el mecanismo con el que
contamos para distinguir unas cosas de otras, relacionar cosas semejantes, formar grupos
de cosas, describir objetos, tomar y explicar decisiones, etc. Sin embargo, para lograr hacer
esto de manera automtica es necesario resolver problemas que involucran cuestiones de
medicin, validacin, procesamiento y en ltima instancia interpretacin de la
informacin en el entorno que se quiere estudiar, con todo esto, el reconocimiento de
patrones se vuelve un campo de estudio multi-disciplinario. Por este motivo, en un sentido
ms formal, podemos definir al reconocimiento de patrones como la ciencia que se ocupa
de los procesos sobre ingeniera, computacin y matemticas relacionados con objetos
fsicos y/o abstractos, con el propsito de extraer informacin que permita establecer
propiedades de o entre conjuntos de dichos objetos, los cuales nos permitan interpretar el
mundo que nos rodea. De esta manera podemos entender al reconocimiento de patrones
como un mecanismo para formalizar y automatizar los procesos de interpretacin del
mundo real. Dentro de los problemas que comnmente se abordan en el reconocimiento de
patrones tenemos la seleccin de atributos y prototipos, la clasificacin y el agrupamiento,

los cuales abordaremos ms adelante. Para resolver problemas de reconocimiento de

patrones se han seguido diferentes enfoques, entre los cuales encontramos:
Reconocimiento estadstico de patrones. Este enfoque se basa en la teora de probabilidad
y estadstica y supone que se tiene un conjunto de medidas numricas con distribuciones
de probabilidad conocidas o estimables, y a partir de ellas se hace el reconocimiento.
Reconocimiento sintctico de patrones. Este enfoque ha sido desarrollado para el estudio
de objetos que no estn descritos como vectores de atributos, por ejemplo objetos descritos
como: cadenas de smbolos, grafos, etc. Comnmente, el objetivo es encontrar las
relaciones estructurales que guardan los objetos de estudio. Redes neuronales. Este
enfoque busca resolver los problemas de reconocimiento de patrones mediante redes
neuronales artificiales, las cuales pueden ser entrenadas para dar una cierta respuesta
cuando se les presentan determinados valores numricos en sus entradas. De este modo
una red neuronal artificial puede dar una respuesta similar cuando se presenta una entrada
parecida a las que se usaron para entrenarla. Reconocimiento lgico combinatorio. Este
enfoque constituye una alternativa a los enfoques antes mencionados y se basa en la idea
de que el modelado del problema debe ser lo ms cercano posible a la realidad del mismo,
sin hacer suposiciones que no estn fundamentadas. Uno de los aspectos esenciales del
enfoque es que los atributos utilizados para describir a los objetos de estudio deben ser
tratados cuidadosamente para no realizar operaciones que resulten antinaturales respecto al
problema que estn representando. Este tratamiento cuidadoso permite trabajar con
atributos cualitativos y cuantitativos e incluso con ausencia de informacin.
3. Conceptos bsicos del reconocimiento de patrones
3.1.
Patrones
Un patrn es la entidad que puede ser identificable de acuerdo a sus caractersticas o
atributos, ste puede ser abstracto o concreto. Los patrones abstractos son ideas
conceptuales mientras que un patrn concreto es la representacin fsica de un objeto, por
ejemplo los smbolos (letras, caligrafas), imgenes digitales, imgenes tridimensionales,
firmas, seales de voz, electrocardiogramas, electroencefalograma, ondas ssmicas, entre
otros.

3.2.

Clases
Una clase es un estado o categora de los patrones. Los patrones que pertenecen a la

misma clase comparten los mismos atributos y comportamientos. En un sentido abstracto,

una clase, se puede interpretar como un modelo o prototipo que idealiza un objeto.
Matemticamente representamos una clase -sima con el smbolo , donde . El
conjunto de todas las clases se le conoce como espacio de interpretacin.
3.3.

Caractersticas
Las caractersticas describen a los patrones, de acuerdo al valor de sus atributos, y

determinan el espacio de caractersticas de una clase.

3.4.

Anlisis de Componentes Principales Eigenrostros

La obtencin de la informacin del rostro se obtiene mediante la implementacin de la
tcnica de Anlisis de Mecanismos Principales (PCA) o eigenrostros, esta tcnica se
basa en el anlisis de la versatilidad de la informacin de profundidad de los rostros y
en la definicin de un nuevo subespacio de menor dimensin, en el cual los datos
originales son concebidos. Considerando que inicialmente los datos de la superficie del
rostro se encuentran recopilados en una matriz de elementos, el PCA reduce estos
elementos a un vector de elementos, donde .

3.5.

Descripcin del algoritmo PCA

Representar los rostros en un vector. Cada rostro se constituye en forma de un
vector , de longitud . Donde = ( es el nmero de filas y el nmero de

columnas de la matriz de datos original). (, ) =

Calcular un rostro promedio. = 1 =1donde pertenece al rostro
promedio del conjunto de rostros de preparacin y es el nmero de rostros de

preparacin.
Normalizar los rostros de entrenamiento respecto al rostro promedio.

Normalizamos los rostros quitndole el rostro promedio: =

Calcular la matriz de covarianza del conjunto de rostros de entrenamiento. La
matriz de covarianza del conjunto de rostros de preparacin se define con la siguiente
ecuacin: = 1 =1 = donde = [1 2 ].

Calcular los componentes principales. Los componentes principales son los

eigenvectores de la matriz de covarianza . Cada eigenvector lleva asociado un
eigenvalor y se definen con la siguiente ecuacin. = donde es el
eigenvector y es el eigenvalor de la matriz de covarianza . La matriz de covarianza
contiene elementos y resulta imprctico procesar tal cantidad de datos, por
ello se realiza el clculo de envs de , cuya dimensin es . = O

= = = donde: =
Definir un nuevo subespacio En la practica un pequeo conjunto de eigenvectores
es necesario a para identificar un rostro, por ello, el nuevo subespacio lo conforman los
eigenvectores que llevan asociado los eigenvalores con valor numrico grande. =

[1, 2, 3, , ]
Proyectar los rostros de entrenamiento en el espacio de eigenrostros. El
procedimiento final consiste en proyectar los rostros normalizados en el subespacio
mediante la ecuacin. =
En resumen, un sistema de reconocimiento de patrones completo consiste en: Un sensor

que recoge las observaciones a clasificar. Un sistema de extraccin de caractersticas

transforma la informacin observada en valores numricos o simblicos. Un sistema de
clasificacin o descripcin que, basado en las caractersticas extradas, clasifica la
medicin. Por ejemplo se pueden clasificar imgenes digitales de letras en las clases A a
Z dependiente de sus pxeles o se pueden clasificar huellas dactilares.

BIBLIOGRAFA
[1] Ing. Miguel ngel Velzquez Lpez, A., (2014). Sistema de Reconocimiento Facial Mediante
Tcnicas de Visin Tridimensional. Centro de Investigaciones en ptica, A C, Len, Guanajuato,
Mxico.

http://biblioteca.cio.mx/tesis/15950.pdf
[2] Enrique Caballero Pardos, A., (2004). Tcnicas de Reconocimiento Faial mediante Redes
Neuronales.Departamento de Tecnologa Fotnica, Facultad de Informtica, Madrid.

http://oa.upm.es/215/1/10200404.pdf
[3] Gary Bradski, Adrian Kaehler, "Learning OpenCV", O'Reilly, 2008