Implementación de Interfaz Gráfica para la Clasificación y Reconocimiento de Rostros Mediante el Procesamiento Digital de Señales

Abstract

En la presente investigación se desarrolló el análisis de dos técnicas fundamentales de reconocimiento facial, PCA (Principal Component Analysis) y LDA (Linear Discriminant Analysis), con la finalidad de elegir la técnica más eficiente para su posterior implementación en una interfaz gráfica desarrollada en el lenguaje de programación Python. El sistema de reconocimiento facial estará constituido por dos etapas principales, en la primera etapa el administrador podrá ingresar imágenes captadas desde la videocámara para almacenar el rostro de un usuario nuevo; en la segunda etapa el usuario podrá acceder al sistema capturando una fotografía de su rostro la cual será comparada con una base de datos previamente creada y se mostrará en pantalla la identificación y foto del usuario. Para realizar un análisis comparativo entre las técnicas mencionadas anteriormente, se desarrolló una etapa de entrenamiento utilizando las bases de datos ORL (Olivetti Datasearch Laboratory) y MIT (Massachusetts Institute of Technology); observando el efecto que produce el incremento del conjunto de imágenes en los resultados finales. Posteriormente, para comparar el rostro del usuario de entrada con los rostros presentes en la base de datos, se realizó una etapa de clasificación utilizando dos algoritmos clasificadores KNN, uno creado por el autor y otro desarrollado por la librería SK-Learn de Python; así mismo, se evaluaron los resultados obtenidos al aplicar cada uno de estos algoritmos. Finalmente, la evaluación de los resultados se realizó utilizando la librería SK-Learn, esta herramienta permite obtener porcentajes de precisión y valores de error cuadrático medio de los modelos desarrollados, dichos parámetros son los que permitirán realizar una selección óptima del modelo a implementar. Palabras clave: PCA, LDA, Reconocimiento facial, SK-Learn, ORL, MIT, Detección, Clasificador, Normalización.