UNA APROXIMACIÓN DE CLASIFICACIÓN DE ROSTROS USANDO ANTROPOMETRÍA FACIAL
DOI:
https://doi.org/10.36825/RITI.06.12.027Palabras clave:
Estimación de Edad, Antropometría Facial, Crecimiento Craneofacial, Puntos FiducialesResumen
El procesamiento de imágenes de rostros es una de las áreas de estudio dentro del campo de visión por computadora. Existen trabajos principalmente en reconocimiento de rostros, identificación de emociones, entre otros, sin embargo, el desarrollo de sistemas de estimación de edad de forma automática es un desafío que aún sigue en investigación. En el presente trabajo, se propone un procedimiento que clasifica a un rostro en un rango de edad determinado. Para dicha propuesta se analizan teorías de crecimiento craneofacial y antropometría facial, derivando en una selección de parámetros antropométricos que representan características discriminantes para la distinción de rostros a diferentes edades. Dichos parámetros se utilizaron para generar un modelo de clasificación en la plataforma Weka utilizando los algoritmos SVM, Knn, Naïve Bayes y C4.5. Se utilizó validación cruzada a 10 pliegues para los cuatro algoritmos. La mayor exactitud se obtuvo con el algoritmo Knn con 7 vecinos y fue de 75. 28%. Esto comprueba la utilidad de las distancias antropométricas seleccionadas para el reconocimiento de edad en imágenes de rostros.
Citas
Rhodes, M. (1995). Age estimation of faces: A review. Applied Cognitive Psychology, 23 (1), 1-12. doi: 10.1002/acp.1442.
Han, H., Otto, C., Jain, A. K. (2013). Age estimation from face images: Human vs. machine performance. The 6th IAPR International Conference on Biometrics (ICB), Madrid, Spain.
Wang, S., Zhou, C., Sun, M, Chen, H., Liu, X., Peng, X. (2011). Can estimate age range using’a face person?. Journal of Computational Information Systems, 7 (13), 4586-4593.
Farkas, L. (1994) Anthropometry of the head and face. (2da. Ed.) New York: Raven Press.
Cootes, T. F., Taylor, C. J., Cooper, D. H., Graham, J. (1995). Active shape models-their training and application. Computer vision and image understanding, 61 (1), 38-59. doi: https://doi.org/10.1006/cviu.1995.1004
Mejía-Molina, N. (2013). Modelos deformables. [versión electrónica] Maestría en Ingeniería de Sistemas y Computación, Pontificia Universidad Javeriana. Recuperado de: http://pegasus.javeriana.edu.co/~PI131-05-DefModMedicos/Documentos/MISyC%20TG%20-%20EstadoDelArte%20-%20%20Nadia%20Mejia%20-%202013-05-24.pdf
Xu, C., Pham, D. L., Prince, J. L. (2000). Image Segmentation Using Deformable Models. En Fitzpatrick, J. M, Sonka, M (Eds.), Handbook of Medical Imaging, Volume 2: Medical Image Processing and Analysis (pp. 129-174) SPIE Press.
Milborrow, S. (2016). Multiview Active Shape Models with SIFT Descriptors. (Tesis Doctoral). Faculty of Engineering, University of Cape Town.
Iqtait, M., Mohamad, F. S, Mamat, M. (2018). Feature extraction for face recognition via Active Shape Model (ASM) and Active Appearance Model (AAM). IOP Conf. Series: Materials Science and Engineering, 332 (012032), 1-8. doi:10.1088/1757-899X/332/1/012032.
Milborrow, S., Nicolls, F. (2014). Active shape models with SIFT descriptors and MARS. Proceedings of the IEEE International Conference on Computer Vision Theory and Applications (VISAPP), (pp. 380-387). Lisbon, Portugal.
Wang, N., Gao, X., Tao, D., Yang, H., Li, X. (2017). Facial feature point detection: A comprehensive survey. Neurocomputing. Journal Neurocomputing, 275 (C), 50-65.
FG-NET Aging Database, (2002). Homepage. Computer Vision for Human-Computer Interaction Lab. Recuperado de: http://yanweifu.github.io/FG_NET_data/FGNET.zip
Caple, J., Stephan, C. N. (2016). A standardized nomenclature for craniofacial and facial anthropometry. International Journal of legal medicine, 130 (3), 863-879.
Dooley, M. (1982). Anthropometric modeling programs-A survey. IEEE Computer Graphics and Applications, 2, 17-25.
Zhuang, Z., Landsittel, D., Benson, S., Roberge, R., Shaffer, R. (2010). Facial anthropometric differences among gender, ethnicity, and age groups. Annals of occupational hygiene, 54 (4), 391-402.
Ramanathan, N., Chellappa, R. (2006). Modeling age progression in young faces. Proceedings IEEE Computer Society Conference on Computer Vision and Pattern Recognition, (pp. 387-394), New York, USA.
Jahanbin, A., Mahdavishahri, N., Baghayeripour, M., Esmaily, H., Eslami, N. (2012), Evaluation of facial anthropometric parameters in 11–17-year-old boys. Journal of Clinical Pediatric Dentistry, 37 (1), 95-101.
Colmenares-Guillen, L. E., Martínez Cruz, A. E., Albores Velasco, F. J., Pérez de Celis Herrero, M. C. (2016). Algorithm approach of a classifier based on aging wrinkle analysis. International Journal of Innovation and Applied Studies, 18 (1), 1-11.
Otaño Lugo, R., Otaño Laffitte, G., Fernández Ysla, R., (2009). Crecimiento y Desarrollo Craneofacial. 1-32. Recuperado de: http://articulos.sld.cu/ortodoncia/files/2009/12/crec-y-des-preg.pdf
Sokolova, M., Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing & Management, 45 (4), 427-437.
Weka 3: Data Mining Software in Java. Recuperado de: https://www.cs.waikato.ac.nz/ml/weka
Hernández O., Ramírez, Q., Ferri, R. (2004). Introducción a la minería de datos. (1a ed.). Madrid: Pearson educación.
Zamorano Ruiz, J. Comparativa y análisis de algoritmos de aprendizaje automático para la predicción del tipo predominante de cubierta arbórea. (Trabajo Fin Máster). Ingeniería de Computadores, Facultad de Informática departamento de sistemas informáticos y Computación. Universidad Complutense de Madrid. Recuperado de: https://eprints.ucm.es/48800/1/Memoria%20TFM%20Machine%20Learning_Juan_Zamorano_para_difundir%20%282%29.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
