Sistema de reconocimiento de rostros con tapabocas a través de los clasificadores Haar cascade, LBPH, Eigenface y Fisherface
Facial recognition system with facemask using Haar cascade, LBPH, Eigenface and Fisherface classifiers
DOI:
https://doi.org/10.33131/24222208.386Palabras clave:
algoritmo de clasificación, entrenamiento de sistemas expertos, inteligencia artificial, procesamiento de imágenesResumen
La implementación de sistemas de acceso automatizados en lugares con alta afluencia, como sistemas de transporte y centros de salud, es una necesidad creciente para mitigar la congestión y el estrés laboral. En este contexto, el reconocimiento facial se presenta como una solución eficaz, ofreciendo un control de acceso personalizado y eficiente. La inteligencia artificial, junto con bases de datos robustas, permite la identificación precisa de rostros y, complementada con clasificadores de rostros, el reconocimiento facial. El clasificador Haar Cascade opera mediante pequeños clasificadores que analizan diferentes porciones de una imagen facial, las cuales se combinan para proporcionar un resultado de detección preciso, facilitando la creación de una base de datos que puede ser entrenada por algoritmos de reconocimiento. Este estudio presenta un sistema de reconocimiento facial utilizando el clasificador Haar Cascade para la recolección de imágenes, y los clasificadores de Histograma de Patrones Binarios Locales (LBPH), EigenFace (EF) y FisherFace (FF) para el proceso de reconocimiento. La recolección de datos incluyó imágenes de rostros de seis personas, obteniendo 350 imágenes sin tapabocas y 350 imágenes con tapabocas. Los tiempos de entrenamiento variaron entre 9.54 segundos y 9287.64 segundos. Una vez entrenados los modelos, el tiempo de reconocimiento facial osciló entre 0.0001 segundos y 0.4447 segundos. La precisión del reconocimiento con el clasificador LBPH se ubicó entre 80.9069% y 100%, con el clasificador EF entre 69.7542% y 100%, y con el clasificador FF entre 31.6017% y 91.3684%. Estos resultados demuestran la rapidez del sistema de reconocimiento facial propuesto, destacando la precisión y velocidad del clasificador LBPH.
Descargas
Referencias bibliográficas
S. O. Adeshina, H. Ibrahim, S. S. Teoh, y S. C. Hoo, «Custom Face Classification Model for Classroom Using Haar-Like and LBP Features with Their Performance Comparisons», Electronics, vol. 10, n.o 2, p. 102, ene. 2021, doi: https://doi.org/10.3390/electronics10020102
P. A. Riyantoko, Sugiarto, y K. M. Hindrayani, «Facial Emotion Detection Using Haar-Cascade Classifier and Convolutional Neural Networks», J. Phys. Conf. Ser., vol. 1844, n.o 1, p. 012004, mar. 2021, doi: https://doi.org/10.1088/1742-6596/1844/1/012004.
C. A. Amaya Corredor, C. H. Contreras, N. Pedroza Rosas, y R. S. Cáceres Quintero, «Estrategias de adaptación y mitigación al cambio climático de las Unidades Tecnológicas de Santander», Rev. CINTEX, vol. 22, n.o 2, pp. 89-109, dic. 2017, doi: https://doi.org/10.33131/24222208.301.
A. Uribe Churta, «Desarrollo de un sistema de reconocimiento del estado de los cultivos de café en tiempo real usando redes neuronales artificiales», Rev. CINTEX, vol. 25, n.o 2, pp. 37-44, dic. 2020, doi: https://doi.org/10.33131/24222208.362.
M. Turk y A. Pentland, «Eigenfaces for Recognition», J. Cogn. Neurosci., vol. 3, n.o 1, pp. 71-86, ene. 1991, doi: https://doi.org/10.1162/jocn.1991.3.1.71.
B. Moghaddam y A. Pentland, «Probabilistic visual learning for object representation», IEEE Trans. Pattern Anal. Mach. Intell., vol. 19, n.o 7, pp. 696-710, jul. 1997, doi: https://doi.org/10.1109/34.598227.
E. Osuna, R. Freund, y F. Girosit, «Training support vector machines: an application to face detection», en Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Juan, Puerto Rico, 1997, pp. 130-136. doi: https://doi.org/10.1109/CVPR.1997.609310.
M.-H. Yang, D. Roth, y N. Ahuja, «A SNoW-Based Face Detector», en Advances in Neural Information Processing Systems, 1999, vol. 12. [En línea]. Disponible en: https://proceedings.neurips.cc/paper/1999/file/3e15cc11f979ed25912dff5b0669f2cd-Paper.pdf
P. Viola y M. Jones, «Rapid object detection using a boosted cascade of simple features», en Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. CVPR 2001, Kauai, HI, USA, 2001, vol. 1, p. I-511-I-518. doi: https://doi.org/10.1109/CVPR.2001.990517.
P. Viola y M. J. Jones, «Robust Real-Time Face Detection», Int. J. Comput. Vis., vol. 57, n.o 2, pp. 137-154, may 2004, doi: https://doi.org/10.1023/B:VISI.0000013087.49260.fb.
T. F. Cootes, K. Walker, y C. J. Taylor, «View-based active appearance models», en Proceedings Fourth IEEE International Conference on Automatic Face and Gesture Recognition (Cat. No. PR00580), Grenoble, France, 2000, pp. 227-232. doi: https://doi.org/10.1109/AFGR.2000.840639.
Q. Yin, X. Tang, y J. Sun, «An associate-predict model for face recognition», en CVPR 2011, Colorado Springs, CO, USA, jun. 2011, pp. 497-504. doi: https://doi.org/10.1109/CVPR.2011.5995494.
V. Blanz y T. Vetter, «A morphable model for the synthesis of 3D faces», en Proceedings of the 26th annual conference on Computer graphics and interactive techniques - SIGGRAPH ’99, Not Known, 1999, pp. 187-194. doi: https://doi.org/10.1145/311535.311556.
K.-K. Sung y T. Poggio, «Example-based learning for view-based human face detection», IEEE Trans. Pattern Anal. Mach. Intell., vol. 20, n.o 1, pp. 39-51, ene. 1998, doi: https://doi.org/10.1109/34.655648.
A. B. Shetty, Bhoomika, Deeksha, J. Rebeiro, y Ramyashree, «Facial recognition using Haar cascade and LBP classifiers», Glob. Transit. Proc., vol. 2, n.o 2, pp. 330-335, nov. 2021, doi: 10.1016/j.gltp.2021.08.044.
S. Pal, «Human Face Detection Technique using Haar-like Features», Int. J. Comput. Appl., vol. 175, n.o 32, pp. 56-60, nov. 2020, doi: https://doi.org/10.5120/ijca2020920883.
I. Gangopadhyay, A. Chatterjee, y I. Das, «Face Detection and Expression Recognition Using Haar Cascade Classifier and Fisherface Algorithm», en Recent Trends in Signal and Image Processing, vol. 922, S. Bhattacharyya, S. K. Pal, I. Pan, y A. Das, Eds. Singapore: Springer Singapore, 2019, pp. 1-11. doi: https://doi.org/10.1007/978-981-13-6783-0_1.
F. M. Javed Mehedi Shamrat, A. Majumder, P. R. Antu, S. K. Barmon, I. Nowrin, y R. Ranjan, «Human Face Recognition Applying Haar Cascade Classifier», en Pervasive Computing and Social Networking, vol. 317, G. Ranganathan, R. Bestak, R. Palanisamy, y Á. Rocha, Eds. Singapore: Springer Nature Singapore, 2022, pp. 143-157. doi: https://doi.org/10.1007/978-981-16-5640-8_12.
A. H. Ahmad et al., «Real time face recognition of video surveillance system using haar cascade classifier», Indones. J. Electr. Eng. Comput. Sci., vol. 21, n.o 3, p. 1389, mar. 2021, doi: https://doi.org/10.11591/ijeecs.v21.i3.pp1389-1399.
J. J. Castro-Maldonado, J. A. Patiño-Murillo, A. E. Florian-Villa, y O. E. Guadrón-Guerrero, «Application of computer vision and low-cost artificial intelligence for the identification of phytopathogenic factors in the agro-industry sector», J. Phys. Conf. Ser., vol. 1126, p. 012022, nov. 2018, doi: https://doi.org/10.1088/1742-6596/1126/1/012022.
Z. Abal Abas et al., «The implementation of personal monitoring system using Histogram of Gradient, Haar classifier and eigenfaces for human detection and recognition», ARPN J Eng Appl Sci, vol. 10, n.o 19, pp. 8799-8806, 2015.
B. G. Amira, M. M. Zoulikha, y P. Hector, «Driver Drowsiness Detection and Tracking Based on Yolo with Haar Cascades and ERNN», Int. J. Saf. Secur. Eng., vol. 11, n.o 1, pp. 35-42, feb. 2021, doi: https://doi.org/10.18280/ijsse.110104.
N. Kamarudin et al., «Implementation of Haar Cascade Classifier and Eye Aspect Ratio for Driver Drowsiness Detection Using Raspberry Pi», Univers. J. Electr. Electron. Eng., vol. 6, n.o 5B, pp. 67-75, dic. 2019, doi: https://doi.org/10.13189/ujeee.2019.061609.
C. Adarve Gómez, D. A. Castillo Carvajal, E. J. Restrepo Zapata, y H. Villar-Vega, «A review of virtual reality videogames for job-training applications», Rev. CINTEX, vol. 24, n.o 1, pp. 64-70, dic. 2019, doi: https://doi.org/10.33131/24222208.346.
R. Rizal Isnanto, A. Rochim, D. Eridani, y G. Cahyono, «Multi-Object Face Recognition Using Local Binary Pattern Histogram and Haar Cascade Classifier on Low-Resolution Images», Int. J. Eng. Technol. Innov., vol. 11, n.o 1, pp. 45-58, ene. 2021, doi: https://doi.org/10.46604/ijeti.2021.6174.
V. Ravuri, S. Vasundra, S. Ramasubbareddy, y K. Govinda, «Face Recognition using Cascade Algorithm», Int. J. Recent Technol. Eng., vol. 8, n.o 2S4, pp. 599-602, ago. 2019, doi: https://doi.org/10.35940/ijrte.B1118.0782S419.
School of Information Technology and Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, India, R. Shukla*, A. L, School of Information Technology and Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, India, P. M, y School of Information Technology and Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, India, «Facial Emotion Recognition by Deep CNN and HAAR Cascade», Int. J. Innov. Technol. Explor. Eng., vol. 8, n.o 12, pp. 3433-3439, oct. 2019, doi: https://doi.org/10.35940/ijitee.L2589.1081219.
M. Maria Dominic Savio, T. Deepa, A. Bonasu, y T. S. Anurag, «Image Processing For Face Recognition Using HAAR, HOG, and SVM Algorithms», J. Phys. Conf. Ser., vol. 1964, n.o 6, p. 062023, jul. 2021, doi: https://doi.org/10.1088/1742-6596/1964/6/062023.
N. Ibrahim, «Haar Cascade Vs Facial Landmarks Technique for Face Recognition Uniqueness», Int. J. Adv. Trends Comput. Sci. Eng., vol. 8, n.o 1.6, pp. 525-530, dic. 2019, doi: https://doi.org/10.30534/ijatcse/2019/7781.62019.
F. Utaminingrum, Y. A. Sari, P. P. Adikara, D. Syauqy, y S. Adinugroho, «Hybrid Head Tracking for Wheelchair Control Using Haar Cascade Classifier and KCF Tracker», TELKOMNIKA Telecommun. Comput. Electron. Control, vol. 16, n.o 4, p. 1616, feb. 2018, doi: https://doi.org/10.12928/telkomnika.v16i4.6595.
R. Raj et al., «Feature based video stabilization based on boosted HAAR Cascade and representative point matching algorithm», Image Vis. Comput., vol. 101, p. 103957, sep. 2020, doi: https://doi.org/10.1016/j.imavis.2020.103957.
M. M. Ahsan, Y. Li, J. Zhang, M. T. Ahad, y K. D. Gupta, «Evaluating the Performance of Eigenface, Fisherface, and Local Binary Pattern Histogram-Based Facial Recognition Methods under Various Weather Conditions», Technologies, vol. 9, n.o 2, p. 31, abr. 2021, doi: https://doi.org/10.3390/technologies9020031.
A. M. Jagtap, V. Kangale, K. Unune, y P. Gosavi, «A Study of LBPH, Eigenface, Fisherface and Haar-like features for Face recognition using OpenCV», en 2019 International Conference on Intelligent Sustainable Systems (ICISS), Palladam, Tamilnadu, India, feb. 2019, pp. 219-224. doi: https://doi.org/10.1109/ISS1.2019.8907965.
D. Verdeguer Valderrama y N. Campos Vasquez, «Diseño E Implementación De Un Sistema De Identificación De Personas Para La Seguridad De Los Accesos A Condominios, Basado En El Algoritmo De Reconocimiento Facial LBPH Faces», en Proceedings of the 19th LACCEI International Multi-Conference for Engineering, Education, and Technology: “Prospective and trends in technology and skills for sustainable social development” “Leveraging emerging technologies to construct the future”, 2021. doi: https://doi.org/10.18687/LACCEI2021.1.1.213.
J. Paul et al., «Evaluation of Face Recognition Schemes for Low-computation IoT System Design», en 2020 24th International Symposium on VLSI Design and Test (VDAT), Bhubaneswar, India, jul. 2020, pp. 1-6. doi: https://doi.org/10.1109/VDAT50263.2020.9190569.
M. Munlin, «Time Attendance Using FELE Face Identification Algorithms», en 2022 9th International Conference on Electrical and Electronics Engineering (ICEEE), Alanya, Turkey, mar. 2022, pp. 325-329. doi: https://doi.org/10.1109/ICEEE55327.2022.9772596.
C. H. Esparza Franco, C. Tarazona Ospina, E. E. Sanabria Cuevas, y D. A. Velazco Capacho, «RECONOCIMIENTO FACIAL BASADO EN EIGENFACES, LBHP Y FISHERFACES EN LA BEAGLEBOARD-xM», Rev. Colomb. Tecnol. Av. RCTA, vol. 2, n.o 26, pp. 145-152, ene. 2021, doi: https://doi.org/10.24054/16927257.v26.n26.2015.395.
C. A. Ramírez Gómez, «Aplicación del Machine Learning en agricultura de precisión», Rev. CINTEX, vol. 25, n.o 2, pp. 14-27, dic. 2020, doi: https://doi.org/10.33131/24222208.356.
M. üge Çarıkçı y F. Özen, «A Face Recognition System Based on Eigenfaces Method», Procedia Technol., vol. 1, pp. 118-123, 2012, doi: https://doi.org/10.1016/j.protcy.2012.02.023.
I. Markoulidakis, I. Rallis, I. Georgoulas, G. Kopsiaftis, A. Doulamis, y N. Doulamis, «Multiclass Confusion Matrix Reduction Method and Its Application on Net Promoter Score Classification Problem», Technologies, vol. 9, n.o 4, p. 81, nov. 2021, doi: https://doi.org/10.3390/technologies9040081.
A. Kulkarni, D. Chong, y F. A. Batarseh, «Foundations of data imbalance and solutions for a data democracy», en Data Democracy, Elsevier, 2020, pp. 83-106. doi: https://doi.org/10.1016/B978-0-12-818366-3.00005-8.
Descargas
Publicado
Cómo citar
Número
Sección
