Diseño, implementación y programación de un sistema de seguridad para un automóvil con

autenticación por reconocimiento facial utilizando técnicas de visión artificial

Presentación de Anteproyecto de Tesis

ANTECEDENTES

• Seguridad de los automóviles.

• Hay varios sistemas de seguridad.(marcas)

• Se diseñan sistemas cada vez más fiables. (costos)

• Licencias Libres.

JUSTIFICACION TEORICA

• Poner en práctica: • Inteligencia Artificial (Visión Artificial)

• Sistemas de Control Modernos (Embebidos)

JUSTIFICACIÓN APLICATIVA

• Sistema Inteligente.

• Seguridad a Usuarios.

OBJETIVOS

• Cámara Adecuada y ubicación.

• Hardware y Software (Nueva Tecnología).

OBJETIVOS

• Arranque.

• Fuente Auxiliar.

OBJETIVOS

• Embebidos.

OBJETIVOS

• Método que mas se adapte.

• Existen: • Template matching o Correspondencia entre agrupaciones de

grafos elásticos Elastic Bunch Graph Matching, EBGM)

• Análisis de Componentes Principales (PCA - Principal Component Analysis) a partir de eigenfaces

• Análisis Linear Discriminant (LDA - Linear Discriminant Analysis) o el Discriminante Linear de Fisher (FLD - Fisher Linear Discriminant) a partir de fisherfaces.

OBJETIVOS

Kwok, J.T.-Y. and Tsang, I.W.-H. “The Pre-Image Problem in kernel methods”, IEEE Transactions on Neural Networks, Nov. 2004, Vol 15, pp. 1517-1525.

RECONOCIMIENTO DE EXPRESIONES FACIALES UTILIZANDO ANÁLISIS DE

COMPONENTES PRINCIPALES KERNEL (KPCA)

OROZCO, Alvaro, (2008), RECONOCIMIENTO DE EXPRESIONES FACIALES UTILIZANDO ANÁLISIS DE COMPONENTES PRINCIPALES KERNEL (KPCA)(IEEE Paper), Universidad Tecnológica de Pereira, Pereira - Colombia

Diseño y Desarrollo de un Sistema de Reconocimiento de Caras

GAMEZ, Carmen, (2009), Diseño y Desarrollo de un Sistema de Reconocimiento de Caras(Tesis), Universidad Carlos III de Madrid, Madrid - España

Correspondencia entre agrupaciones de grafos elásticos Elastic Bunch

Graph Matching, EBGM)

• Compara muchas características

• Pixel

• no Real Time

M. A. Turk and A. P. Pentland, "Face Recognition Using Eigenfaces," Proc. IEEE, 1991, 586-591.

Análisis de componentes principales (Principal Component Analysis, PCA)

• Sondeo y la galería mismo tamaño y normalizadas para alinear los ojos y bocas.(patrones faciales)

• Quita información inútil. • Descompone el rostro en Eigenfaces. • Típicamente requiere la cara

completa de frente. • Puede reducir los datos necesarios

para identificar el individuo a 1/1000 .

A. J. Goldstein, L. D. Harmon, and A. B. Lesk, "Identification of Human Faces," Proc. IEEE, May 1971, Vol. 59, No. 5, 748-760.

Análisis lineal discriminante (Linear Discriminant Analysis, LDA)

• Clasificar muestras de clases desconocidas basado en entrenamiento con clases conocidas. (fisherfaces)

Problema de iluminación • Equivocarse al clasificar las imágenes de

entrada. • Se han propuesto algunas soluciones basadas

en el conocimiento: • Métodos heurísticos: por ejemplo, cuando

utilizamos los subespacios de eigenfaces, descartando las componentes principales.

• Métodos de comparación de imágenes: se utilizan representaciones apropiadas de la imagen y medidas de distancia.

• Métodos basados en la clase: utilizan múltiples imágenes de la misma cara en una pose fija pero bajo diferentes condiciones lumínicas.

• Métodos basados en el modelo: utilizan modelos 3D.

Problema del cambio de pose El rendimiento de un sistema de reconocimiento facial también baja significativamente cuando hay presentes cambios en la pose. Hay diferentes métodos propuestos para solucionarlo: • Métodos donde la base de datos incluye imágenes de una persona en

diferentes poses. • Métodos híbridos, donde hay disponibles diferentes imágenes por persona

durante el entrenamiento, pero sólo una por persona en el reconocimiento. Es la más utilizada.

• Métodos basados en una única imagen, donde no hay entrenamiento. No es popular.

METODOS Y TECNICAS

• FASE INVESTIGACIÓN y TÉCNICA DE RECOPILACIÓN DE INFORMACIÓN:

• Adquisición de cierta información.

• FASE EXPERIMENTAL: • Funcionamiento de las etapas

• Hacer pruebas

• FASE APLICATIVA: • Etapas -» un solo fin

PLAN GENERAL DE TRABAJO

• ETAPA DE ANÁLISIS Y ESTUDIO

• ETAPA DE SELECCIÓN DE HARDWARE Y SOFTWARE

• ETAPA DE DISEÑO E IMPLEMENTACIÓN DEL SISTEMA ELECTRÓNICO

• ETAPA DE PROGRAMACIÓN PARA RECONOCIMIENTO FACIAL

• ETAPA DE ANÁLISIS DE RESULTADOS Y PUESTA EN MARCHA

• ETAPA DE ESTUDIO DE OPTIMIZACIÓN

• ETAPA DE DOCUMENTACIÓN DE LA INFORMACIÓN

Bibliografía

• [1] ORELLANA, José, (2013), Sistema de Encendido Convencional (Foro electrónico), Disponible en :http://mecanicaini.mforos.com/1703821/11167904-el-encendido-convencional

• [2] PEREZ, David, (2009), Sistemas Embebidos y Sistemas Operativos Embebidos (Lectura en Ciencias de la Computación), Universidad Central de Venezuela, Caracas -Venezuela.

• [3] URIBE, Juan, (2014), 1. Arduino 2.Raspberry Pi (Presentación), Disponible en : https://prezi.com/k9xoggcmf6ev/juan-camilo-uribe

• [4] VERRASTRO, Ramiro, (2010), Mapeo tridimensional de la topología del entorno median sistema de visión artificial estereoscópica, (Seminario IA y R), Universidad tecnológica Nacional, Buenos Aires-Argentina.

• OROZCO, Alvaro, (2008), RECONOCIMIENTO DE EXPRESIONES FACIALES UTILIZANDO ANÁLISIS DE COMPONENTES PRINCIPALES KERNEL (KPCA)(IEEE Paper), Universidad Tecnológica de Pereira, Pereira – Colombia

• LAMELA, Luiggi, (), • GAMEZ, Carmen, (2009), Diseño y Desarrollo de un Sistema de Reconocimiento de

Caras(Tesis), Universidad Carlos III de Madrid, Madrid - España