Implementación de Algoritmo de Detección y Segmentación de Rostros en Fotografías Mediante Procesamiento Digital de Señales.

Abstract

En el presente trabajo se plantea la implementación de un algoritmo de detección y segmentación de rostros en fotografías a través de la investigación del estado del arte en este campo de la visión por computador; para una elección óptima del algoritmo a implementar, se realizó un análisis comparativo entre los algoritmos de detección Viola & Jones, MTCNN, YOLO. Adicionalmente se presentan los resultados obtenidos del desarrollo de un algoritmo basado en la arquitectura de red neuronal convolucional (CNN, Convolutional Neural Network). La comparación entre los modelos mencionados se realizará tomando en cuenta dos casos de estudio puntuales: fotografías que contengan un solo rostro y fotografías que contengan varios rostros. Para ambos casos se utilizarán un conjunto de prueba formado por 15 y 25 imágenes respectivamente, con variaciones en la pose, etnia, maquillaje y oclusión. En adición, cada fotografía fue procesada digitalmente haciendo uso de diferentes técnicas de normalización como: Ecualización del histograma, corrección gamma, escala y rotación, con la finalidad de analizar el comportamiento de cada algoritmo en diferentes escenarios. Finalmente, en imágenes que contengan un solo rostro la tasa de detección del algoritmo a implementar fue calculada a través del uso de parámetros de evaluación como: Verdaderos positivos, falsos negativos y falsos positivos; mientras que en imágenes de varios rostros la tasa de detección será determinada por el parámetro F-Score calculado en cada imagen. Palabras clave: Detección de Rostros, Segmentación, Viola & Jones, MTCNN, YOLO, CNN, Normalización.