Solución para la clasificación de rasgos biométricos faciales

Abstract

El reconocimiento facial como una técnica biométrica es uno de los modelos más efectivos para la identificación de personas. La incorporación de estas técnicas a sistemas y ambientes de seguridad es cada vez más común, por sus prestaciones y confiabilidad. Uno de los retos fundamentales que persisten a la hora de la implementación de estos sistemas es conseguir que las máquinas puedan llevar a cabo el análisis de rasgos morfológicos, la identificación en extensas bases de datos y demás tareas de manera rápida y libre de errores. El objetivo principal del trabajo es reducir el espacio de búsqueda en el proceso de reconocimiento facial, llevado a cabo en el Centro de Identificación y Seguridad Digital (CISED) de la Universidad de las Ciencias Informáticas (UCI), mediante el desarrollo de una solución que utilice técnicas de Minería de Datos, para agilizar el proceso de reconocimiento facial. Para lograr el objetivo se desarrolló una solución que emplea las técnicas de Minería de Datos: agrupamiento y clasificación, regidas por una metodología para la extracción del conocimiento (Crisp-DM). Como parte de la naturaleza experimental de la Minería de Datos la solución se basó en el ensayo, probándose con cinco vectores característicos. La solución propone clasificar las imágenes faciales agrupándolas en K grupos y luego aplicar un algoritmo de clasificación que utilice las asignaciones de las imágenes faciales a los grupos obtenidos. La investigación propone un nuevo enfoque basado en el PCA+K-means denominado PFA+K-means.