Sistema de Reconocimiento de Rostros usando Visión Estéreo

• Autores: Elizabeth Ríos, Enrique Escamilla, Mariko Nakano, Héctor Pérez
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 25, Nº. 6, 2014, págs. 117-130
• Idioma: español
• Títulos paralelos:
  • Face Recognition system using Stereo Vision
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este artículo propone un sistema biométrico usando imágenes estéreo que permite incrementar la seguridad de los sistemas de reconocimiento de rostros convencionales, al poder discriminar entre imágenes de rostro reales en 3D y falsificadas en 2D, empleando la información proporcionada por las imágenes estéreo. Una vez que el sistema determina que la imagen de entrada es un rostro real en 3D, cada imagen estéreo es caracterizada e independientemente procesada usando un método de extracción de características (EC) convencional. Seguidamente se emplea un método de fusión (MF) para combinar la información obtenida de ambas imágenes. Con el fin de determinar la combinación EC-MF más adecuada, se analizaron tres métodos de extracción de características y tres métodos de fusión. Los resultados experimentales obtenidos muestran que realizando la fusión de los datos extraídos mediante la transformación ondoleta discreta, antes de pasar a la etapa de clasificación, se obtienen los mejores resultados.

  • English

    This paper proposes a biometric system using stereo images to improve the security performance of conventional face recognition systems, by discriminating between 3D real and forged 2D faces images, using the tridimensional information provided by the stereo images. Once the system determines that the face under analysis is an authentic 3D image, each stereo image is characterized and independently processed using three feature extraction methods. Then a fusion method is required to combine the information of both images. To this end three fusion methods are analyzed to achieve a more robust face recognition system. The experimental results show that by performing the fusion of the data extracted by wavelet transform, before going to the classification step, better results are obtained.