Reconocimiento de rostros en tiempo real sobre dispositivos móviles de bajo costo

Abstract

Resumen: Se prueban algunos de los métodos más conocidos de reconocimiento de rostros, para determinar su utilidad real en la construcción de aplicaciones en tiempo real que puedan ejecutarse sobre un dispositivo móvil de bajo costo. Con este fin, se realiza una breve descripción de los principales algoritmos utilizados en aplicaciones de reconocimiento de rostros y se muestra cómo la fase de detección de rostros es de vital importancia en cuanto a desempeño se refiere en estos dispositivos. Se demuestra además la imposibilidad de realizar el procesamiento de cada frame de un stream de video, a una rata de 30 frames por segundo, con los métodos revisados.Palabras clave: Análisis de desempeño, Computación móvil, Reconocimiento de rostros.Abstract: Some of the most recognized face recognition methods are tested to determine their usefulness in the construction of real-time mobile applications, intended to a low-cost mobile market. To this end, a brief description of the main algorithms used in face recognition applications is made. It is shown how face detection phase is vital in terms of performance on these devices. It is also demonstrated the impossibility of performing the processing of each frame of a video stream, which runs at a rate of 30 frames per second, using the considered methods.

Development of an artificial vision algorithm with neural networks for the detection of faces for the industrial sector

“…Al analizar se puede notar la diferencia de porcentaje de precisión, estas diferencias se pueden atribuir a varios factores. En primer lugar, hemos utilizado algoritmos más avanzados y sofisticados ya que en la actualidad muchos programas presentan mayor eficiencia y facilidad, debido a que la tecnología avanza y las redes neuronales se hacen más robustas y aprenden con mayor precisión [19].…”

“…En la figura 3 , se puede observar el proceso de entrenamiento de la data que se obtiene en base a un video, el registro se lleva a cabo con el nombre de la persona que servirá para el reconocimiento , se agrega una etiqueta con el nombre y la imagen al ser entrenada torna un color gris, esto sucede porque se está utilizando el Algoritmo LBPH, ya que durante el entrenamiento se capturan los rostros de las personas y se calculan los histogramas de patrones binarios locales para cada uno de ellos. Estos histogramas representan las características locales y las texturas de los rostros en el conjunto de entrenamiento [13]. Según la ecuación (1), donde n es el número de etiquetas diferentes producidas por el operador LBPH y m es el número de subregiones.…”