Evaluación de desempeño del algoritmo de seguimiento de características faciales basado en modelos ASM usando Kinect

• Rodríguez Ardila, Diego Alejandro ^[2] ; García Mendoza, Jahir Joel ^[2] ; Esparza Franco, Carlos Humberto ^[2] ; Silva Cruz, Edwin Alberto ^[1]
  1. [1] Universitaria de Investigación y Desarrollo

     Universitaria de Investigación y Desarrollo

     Colombia

     
  2. [2] Unidades Tecnológicas de Santander
• Localización: I+D Revista de Investigaciones, ISSN-e 2539-519X, ISSN 2256-1676, Vol. 10, Nº. 2, 2017 (Ejemplar dedicado a: JULIO - DICIEMBRE EARLY VIEW)
• Idioma: español
• Títulos paralelos:
  • Performance evaluation of a face tracking algorithm based on ASM models using the Kinect Sensor
• Enlaces
  • Texto completo
• Resumen
  • español

    En este trabajo se presenta la evaluación del desempeño de un algoritmo de seguimiento de las características faciales, aplicando modelos de forma activa (ASM) y utilizando el sensor Kinect como dispositivo de captura de imagen. El desarrollo se realizó mediante las librerías de OpenCV, en un PC portátil con Procesador Core i5 a 2.4Ghz, 4 Gigabytes de memoria RAM, que corre bajo sistema operativo Windows 7. Para la evaluación, se ejecutó el algoritmo para observar la respuesta respecto a las distintas posturas y expresiones faciales. Se tomaron los tiempos de estabilización de los puntos sobre la imagen y se analizó punto a punto y con criterio humano la localización de los puntos sobre la imagen. Para facilitar el análisis se agrupan los puntos acordes a la zona del rostro: Contorno de la cara, cejas, nariz, ojos y boca. Por último, se presentan los resultados del tiempo promedio de ajuste del modelo, el promedio de frames, así como un error promedio de posicionamiento en las distintas condiciones del rostro, lo cual muestra la robustez de este trabajo y la adaptabilidad para trabajos futuros.

  • English

    This work shows the performance evaluation of a face tracking features algorithm, applying active shape models (ASM) and using the Kinect sensor as the capture image device. The development was implemented by using OpenCV libraries, in a laptop with processor core i5 at 2.4 GHz, 4 GB of RAM, and Windows 7 operative system. In order to perform the evaluation, the algorithm was run to analyze the response under different facial expression poses. The stabilization times of the points over the image were measured and the localization of the points in the image was manually evaluated. The face was divided in regions: face contours, eyebrows, nose, eyes and mouth. Finally, the results are presented as the average time of the face matching, the average number of frames required to perform matching, and the average error of the positioning in different faces conditions. The results show the strength of this work and the adaptability for future work.