Descargar - UTP
Descargar - UTP
Descargar - UTP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Entrenamiento<br />
del sistema<br />
Optimización<br />
del sistema<br />
El entrenamiento del sistema se realiza mediante<br />
el análisis y procesamiento de imágenes,<br />
para luego aplicar la técnica o algoritmo<br />
de aprendizaje de Adaboost.<br />
Las imágenes para el entrenamiento son preprocesadas<br />
cambiando la imagen a color a una<br />
imagen a escala de grises y luego realizar el<br />
redimensionamiento a 24x24pixeles.<br />
Importación<br />
de la imagen<br />
Importación de la imagen<br />
Pre-procesamiento<br />
Imagen integral<br />
Extracción de<br />
características<br />
Escala de<br />
grises<br />
Entrenamiento (Algoritmo<br />
de Adaboost)<br />
Clasificador Fuerte<br />
Está basado en el<br />
procesamiento sobre<br />
imágenes de rostros y<br />
no-rostros<br />
Está basada en la<br />
utilización de los<br />
valores característicos<br />
obtenidos durante el<br />
entrenamiento<br />
Fig. 5. Etapas del detector de rostros.<br />
Redimensionamiento<br />
Fig. 6. Pre-procesamiento de la imagen.<br />
Fig. 7. Proceso de entrenamiento.<br />
CIENCIA, CULTURA Y TECNOLOGÍA - UNIVERSIDAD TECNOLÓGICA DEL PERÚ<br />
Una vez obtenida la imagen en escala de grises<br />
y con una dimensión de 24x24 pixeles, se<br />
realiza la transformación de la imagen a una<br />
llamada “Imagen Integral” con la misma cantidad<br />
de pixeles, la imagen integral se usa para<br />
la extracción de valores característicos (característica<br />
Haar)<br />
6.4. Simulación<br />
Se preparó un escenario de simulación como<br />
se aprecia en la figura 8.<br />
Fig. 8. Escenario de simulación.<br />
6.5.1. Base de Datos<br />
Gran parte de la base de datos (rostros) pertenece<br />
a la Universidad Técnica de Munich (Alemania),<br />
la base de datos está conformada por<br />
18 personas, y fue generada como parte del<br />
proyecto FG-Net (Face and Gesture Recognition<br />
Research Network) [5].<br />
La otra parte del conjunto de rostros y el total de<br />
no-rostros fueron conseguidos desde internet.<br />
6.5.2. Entrenamiento<br />
El entrenamiento se realizó con 572 imágenes<br />
de rostros y con 760 imágenes no-rostros<br />
(paisajes, partes del cuerpo, objetos, etc.), sumando<br />
una total de 1332 imágenes (cada una<br />
de 24x24 pixeles).<br />
Se presentó en la Tabla 1, el número de valores<br />
extraídos de una imagen de 24x24 pixeles<br />
al aplicar filtros de tipo Haar, ver Figura 2.<br />
Al sumar cada cantidad de valores obtenidos al<br />
aplicar los filtros sobre una imagen de 24x24<br />
pixeles obtenemos 134736 valores y al multiplicar<br />
esta cantidad por el número de imágenes<br />
de la base de datos se obtiene un total de<br />
179468352 datos que son procesados durante<br />
el entrenamiento.<br />
Se configuró el software para el cálculo de 100<br />
parámetros.<br />
33