Resumen de Una aproximación de clasificación de rostros usando antropometría facial

Luis Enrique Colmenares Guillén, Maya Carrillo Ruiz, Graciela Gaona Bernabé, José Luis Hernández Ameca, Francisco Javier Albores Velasco

• español

  El procesamiento de imágenes de rostros es una de las áreas de estudio dentro del campo de visión por computadora. Existen trabajos principalmente en reconocimiento de rostros, identificación de emociones, entre otros, sin embargo el desarrollo de sistemas de estimación de edad de forma automática es un desafío que aún sigue en investigación. En el presente trabajo, se propone un procedimiento que clasifica a un rostro en un rango de edad determinado. Para dicha propuesta se analizan teorías de crecimiento craneofacial y antropometría facial, derivando en una selección de parámetros antropométricos que representan características discriminantes para la distinción de rostros a diferentes edades. Dichos parámetros se utilizaron para generar un modelo de clasificación en la plataforma Weka utilizando los algoritmos SVM, Knn, Naïve Bayes y C4.5. Se utilizó validación cruzada a 10 pliegues para los cuatro algoritmos. La mayor exactitud se obtuvo con el algoritmo Knn con 7 vecinos y fue de 75. 28%. Esto comprueba la utilidad de las distancias antropométricas seleccionadas para el reconocimiento de edad en imágenes de rostros.Palabras clave: Estimación de Edad, Antropometría Facial, Crecimiento Craneofacial, Puntos Fiduciales.

• English

  The face images processing is one of the study areas within the field of computer vision. Thus there are works mainly in face recognition, emotions identification, among others, however the development of automatic systems of age estimation is a challenge that is still under investigation. In the present work, a procedure to classify a face in a determined age range is proposed. For said proposal, theories of craniofacial growth and facial anthropometry are analyzed, deriving in a selection of anthropometric parameters that represent discriminant characteristics for the distinction of faces at different ages. These parameters were used to generate a classification model on Weka platform using the SVM, Knn, Naïve Bayes and C4.5 algorithms. Cross validation at 10 folds was used for each algorithm. The highest accuracy was obtained with Knn with 7 neighbors and it was 75. 28%. This verifying the usefulness of the anthropometric distances selected for the recognition of age in face images.Keywords: Age Estimation, Facial Anthropometry, Craniofacial Growth, Fiducial Points.