Clasificación demográfica por medio del análisis de atributos faciales sobre imágenes en entornos sin restricciones

Abstract

La clasificación demográfica, y en particular el reconocimiento de género, es un tema muy estudiado por investigadores debido a su importancia en diversas aplicaciones, tales como, marketing dirigido, sistemas de seguridad, entre otras. El trabajo de tesis realizado contempla la construcción y evaluación de tres procedimientos para llevar a cabo la clasificación, explorando modelos basados en apariencia y basados en característica, además de aprovechar la información contenida en las distintas clases asociadas a cada instancia del conjunto de entrenamiento. Para el primer procedimiento se realiza la clasificación de género usando vectores de frecuencia basados en descriptores locales SIFT o SURF. En este procedimiento se utilizó para el entrenamiento y la validación la estrategia cross-validation sobre la base de datos Multi-PIE. Para el segundo, basado en el anterior, se incorpora el descriptor local ORB, y cambia la estrategia de entrenamiento y validación a Leave One Person Out (LOPO). Finalmente, el tercero incorpora la base de datos GROUPS, y utiliza un enfoque de múltiples clases en el entrenamiento del clasificador. Los resultados obtenidos evidencian que los modelos basados en características propuestos poseen suficiente información discriminante y tienen un rendimiento similar a los modelos basado en apariencia. Además mantienen un rendimiento uniforme en la clasificación de género sobre imágenes con variaciones de pose. En conclusión, no se obtienen mejoras significativas en cuanto a la tasa de acierto evidenciada en la literatura, sin embargo se provee de un procedimiento base que podría mejorar la clasificación al incorporar una fase de filtrado previo a la construcción de los vectores de características.Más...