Análisis comparativo de técnicas de visión por computador y machine learning para la re-identificación de personas desconocidas a través del rostro.

La re-identificación de personas es una parte esencial de los sistemas de seguimiento individual, ya que busca identificar a la misma persona en diferentes momentos y lugares. Para construir estos sistemas se utilizan diferentes tipos de características visuales y/o diversos modelos y/o algoritmos de clasificación. En este trabajo proponemos un análisis comparativo, en el campo de la re-identificación de personas específicamente en el reconocimiento facial, con técnicas computacionales avanzadas con el fin de determinar el mejor modelo y/o algoritmo para la re-identificación. Para lo cual, se combinan descriptores de Visión por Computador, tales como Eigenfaces, Fisherfaces e Histogramas de Patrones Binarios Locales, con modelos y algoritmos de Machine Learning, tales como Redes Neuronales Convolucionales (CNNs) y Support Vector Machine (SVM), esta integración se refuerza con la implementación de técnicas de deep learning. Además, se utiliza el algoritmo de reconocimiento facial Viola-Jones, destacado en el campo de la Visión por Computador, que sigue siendo relevante en contextos específicos. Los resultados muestran que la combinación del descriptor Local Binary Patterns Histograms (LBPH) y el clasificador Support Vector Machine (SVM) es la que mejor se adapta al entorno controlado propuesto. Este modelo alcanza una precisión del 92,23% ± 0,9 en el reconocimiento de personas previamente identificadas y del 91,51% ± 0,9 en la identificación de personas no identificadas previamente.

• Tác giả chính: Vinueza Andrago, Jefferson Patricio (author)
• Tác giả khác: Espinel Mena, Gonzalo Patricio, director (author), Carrillo, José, coautor (author), Montaluisa, Edgar, coautor (author)
• Định dạng: article
• Được phát hành: 2024
• Những chủ đề: RE-IDENTIFICACIÓN; VISIÓN POR COMPUTADOR; MACHINE LEARNING; MODELO; ALGORITMO; ENTRENAMIENTO
• Truy cập trực tuyến: https://repositorio.espe.edu.ec/handle/21000/44372