Análisis de un sistema de reconocimiento facial a partir de una base de datos realizado mediante Python

Abstract

Envoltats per una societat en continu canvi i amb un afany de desenvolupament tecnològic sense límits, la intel·ligència artificial es posiciona com una de les àrees que més repercussió està tenint actualment. Dins d'aquest context, es troba el reconeixement facial, una eina cada vegada més emprada en qualsevol àmbit o en qualsevol situació; des del desbloqueig de dispositius mòbils, passant per centenars d'aplicacions, fins al seu ús com a mesura de seguretat presa per alguns governs. Seguint aquest context, aquest projecte es basa en l'anàlisi, tant a nivell teòric, com experimental, d'un sistema de reconeixement facial a partir d'una base de dades. La implementació del codi s'ha realitzat en el llenguatge de programació Python 3.6 juntament a la llibreria de machine learning i visió per computador OpenCV. El procés d'identificació d'una cara es divideix en dos subprocessos consecutius. Pel que fa al primer subprocés, és a dir, a la detecció facial, el mètode emprat es centra en l'algoritme de Viola-Jones basat en Haar Cascades. Pel que fa al segon subprocés, el reconeixement facial, els mètodes utilitzats en aquest projecte són Fisherfaces, Eigenfaces i LBPH, dels quals s'ha implementat el seu codi i s'ha realitzat un estudi detallat. D'aquesta manera, s'ha realitzat una comparació dels tres mètodes de reconeixement facial per determinar el seu comportament sota diferents condicions, estudiant la seva ràtio d'èxit, així com altres característiques o propietats.

Rodeados por una sociedad en continuo cambio y con un afán de desarrollo tecnológico sin límites, la inteligencia artificial se posiciona como una de las áreas que mayor repercusión está teniendo actualmente. Dentro de este contexto, se encuentra el reconocimiento facial, una herramienta cada vez más usada en cualquier ámbito o en cualquier situación; desde el desbloqueo de dispositivos móviles, pasando por cientos de aplicaciones, hasta su uso como medida de seguridad tomada por algunos gobiernos. Siguiendo dicho contexto, este proyecto se basa en el análisis, tanto a nivel teórico como experimental, de un sistema de reconocimiento facial a partir de una base de datos. La implementación del código se ha realizado en el lenguaje de programación Python 3.6 junto a la librería de machine learning y visión por computador OpenCV. El proceso de identificación de una cara se divide en dos subprocesos consecutivos. Por lo que respecta al primer subproceso, es decir, a la detección facial, el método empleado se centra en el algoritmo de Viola-Jones basado en Haar Cascades. En cuanto al segundo subproceso, el reconocimiento facial, los métodos utilizados en este proyecto son Fisherfaces, Eigenfaces y LBPH (Local Binary Pattern Histogram), de los cuales se ha implementado su código y se ha realizado un estudio detallado. De esta manera, se ha realizado una comparación de los tres métodos de reconocimiento facial para determinar su comportamiento bajo diferentes condiciones, estudiando su ratio de éxito, así como otras características o propiedades.

Surrounded by a society that is constantly changing and which is filled with the urge to achieve an unlimited technological development, artificial intelligence has positioned itself as one of the areas with the biggest influence nowadays. Inside this context emerges facial recognition, a tool used in a lot of areas and situations, from unlocking mobile devices, going through many applications, up to its use as a security measure in some governments’ correct functioning. Following said context, this work is based on the analysis, both theoretical and practical, of a facial recognition system built from a database. The implementation of the code has been done in Python 3.6 programming language altogether with the machine learning library and vision for computer OpenCV. The facial identification process is divided into two consecutive subprocesses. For the first subprocess, which is facial detection, the method used focuses on the Viola-Jones algorithm based in Haar Cascades. Regarding the second subprocess, facial recognition, the methods used in this project are Fisherfaces, Eigenfaces and LBPH, from which their code has been implemented and a detailed study has been carried out. In this way, a comparison of the three methods for facial recognition has been done in order to determine their behaviour under different conditions and studying their success ratio among other features and characteristics.