El objetivo fue la implementación de dos algoritmos de reconocimiento facial para la identificación de personas, bajo condiciones reales en este caso un domicilio, se examinó las investigaciones relevantes en la identificación facial como los métodos de Análisis de Componentes Principales (PCA) y el Análisis Lineal Discriminante (LDA), procesos matemáticos utilizadas por los algoritmos Eigenfaces y Fisherfaces, que son técnicas de aproximación estadística para clasificar datos en este caso rostros, con mínima complejidad computacional. El sistema de identificación de personas propuesto, desarrolló algoritmos en Matlab, describiendo sus etapas principales de procesamiento como la adquisición de imágenes, pre procesamiento, extracción de características faciales, entrenamiento o clasificador, éstos algoritmos se sometieron a evaluación de eficacia en la identificación de personas, utilizando una base de rostros públicas de AT&T conocida como ORL Database of Faces, con 400 imágenes de rostros de distintas personas con variadas expresiones, adicionalmente se elaboró un base de rostros domiciliar, con 48 imágenes para el entrenamiento del sistema. Como resultado de la evaluación bajo condiciones de laboratorio se obtuvo una eficiencia superior al 90%, mientras que, al ser evaluados en condiciones reales, los algoritmos presentan eficiencias de identificación que oscilan del 50 al 80%, factores que dependen de la distancia, cámara, calidad de imagen, e iluminación. Estableciéndose las condiciones mínimas de requerimientos para la implementación de un sistema de vigilancia domiciliar, con porcentajes de efectividad favorables en estos ambientes, proponiendo una innovación en el uso de la tecnología e ingeniería actual respecto a video vigilancia.
The objective of the project is the implementation of two facial recognition algorithms for the identification of people, under real conditions, in this case, an address. Relevant investigations in facial identification have been explored, such as Principal Component Analysis (PCA) and Discriminant Linear Analysis (LDA) methods, mathematical processes used by the Eigenfaces and Fisherfaces algorithms, which are statistical approximation techniques for classifying data, in this case, faces, with minimum computational complexity. The proposed people identification system, developed its algorithms in Matlab, describing its main processing stages such as image acquisition, pre-processing, extractions of facial features, training or classifier, these algorithms will be evaluated of efficiency in the identification of people, used for this a base of public faces of AT & T known as ORL Database of Faces, with 400 images of different faces forgive with various expressions, in addition to this a base of faces domiciliary, with 48 images will be elaborated for system training. As a result of the evaluations under laboratory conditions they present an efficiency of over 90%, while when evaluated in real conditions, the algorithms show efficiencies ranging from 50 to 80% depending on the distances between the subject and the camera, as well as it also depends on the image quality that can be acquired with them. In this way, minimum requirements have been established for the implementation of a home surveillance system, in which favourable percentages of effectiveness will be obtained in these environments, proposing an innovation in the use of current technology in relation to video surveillance.
Palabras claves: PCA, Eigenfaces, LDA, Fisherfaces, Base de Datos Públicas, Algoritmo, Reconocimiento.
Keywords: PCA, Eigenfaces, LDA, Fisherfaces, Public Database, Algorithm, Recognition.