Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.usfq.edu.ec/handle/23000/2585
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorIbarra, Julio (dir)-
dc.contributor.authorMéndez Silva, Paul Esteban-
dc.date.accessioned2014-04-07T14:07:34Z-
dc.date.available2014-04-07T14:07:34Z-
dc.date.issued2013-
dc.identifier.citationTesis (Magister en Matemáticas Aplicadas), Universidad San Francisco de Quito, Colegio de Postgrados; Quito, Ecuador, 2013es_ES
dc.identifier.urihttp://repositorio.usfq.edu.ec/handle/23000/2585-
dc.descriptionFace recognition is a central issue in the fields of Computer Vision and Biometrics, with application in security, robotics, human-computer interfaces, digital cameras and entertainment. Despite the large effort dedicated to improving facial recognition algorithms most of them fail in produce good results in real time applications under different lighting conditions, pose, and facial expression. In recent surveys of face recognition techniques, pose variation has been identified as one of the prominent unsolved problems in the research of face recognition and it is an area of growing interest in the computer vision community. This work presents the development of a pose estimation system, based on convolutional neural networks. The algorithm achieves a recognition rate of 90.1% on the public access database FERET, and 88.6% on the FEI database. Additionally it is shown its use as a complement to a recognition system based on Eigenfaces (PCA) where it allows an increase in the recognition rate from 40.5% to 61.4% over images of faces in different poses taken from the FERET database.es_ES
dc.description.abstractEl reconocimiento de rostros constituye un aspecto central en los campos de la Visión Artificial y la Biométrica, con aplicaciones en seguridad, robótica, interfaces humano-computadora, cámaras digitales y entretenimiento. A pesar del gran esfuerzo dedicado a mejorar los algoritmos de reconocimiento facial, su éxito aún es limitado en aplicaciones de tiempo real, sujetas a diferentes condiciones de iluminación, pose, o expresión facial. En trabajos recientes, el reconocimiento del rostro bajo diferentes poses se ha identificado como uno de los problemas no resueltos más prominentes en el reconocimiento facial y constituye un área de creciente interés en la comunidad de investigadores en visión artificial. En este trabajo se presenta la implementación de un sistema de reconocimiento de poses (rotación horizontal respecto a la posición de la cámara), basado en redes neuronales de convolución. El algoritmo logra una tasa de reconocimiento del 90,1% sobre la base de datos de acceso público FERET, y del 88,6% sobre la base de datos FEI. Adicionalmente se muestra su utilización como complemento de un sistema de reconocimiento basado en rostros propios (PCA) mejorando la tasa de reconocimiento de un 40,5% a un 61.4% sobre imágenes en varias poses tomadas de la base de datos FERET.es_ES
dc.format.extent121 h.es_ES
dc.language.isoespes_ES
dc.publisherQuito, 2013es_ES
dc.rightsopenAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/es_ES
dc.subjectCienciases_ES
dc.subject.otherMatemáticases_ES
dc.titleImplementación de un sistema de identificación de poses en imágenes de rostroses_ES
dc.typebachelorThesises_ES
Aparece en las colecciones: Tesis - Maestría en Matemática Aplicada

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
109276.pdfTESIS A TEXTO COMPLETO1.88 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons