Desarrollo de Soluciones Cliente-Servidor para la Verificación ...

4.5. Desarrollo de Módulos de Reconocimiento Biométrico según la Especificación
BioAPI 77
4.5. Desarrollo de Módulos de Reconocimiento Biométrico
según la Especificación BioAPI
En el transcurso de esta Tesis, además de la definición de la arquitectura de BWA,
se ha colaborado con otros doctorandos de la Universidad de Vigo en el desarrollo de
varios módulos compatibles con el estándar BioAPI 1.2 que ofrecen reconocimiento
biométrico (BWAFaceBSP, BWAVoiceBSP, y BWAMultimodalVoiceAndFaceBSP). Así
mismo, se ha supervisado la realización de otros módulos de reconocimiento biométrico
(firma dinámica y huellas dactilares) como proyectos fin de carrera. Todos ellos se
encuentran disponibles para su descarga desde el proyecto BioWebAuth en SourceForge
[BioWebAuth Project, WWW]. A continuación proporcionaremos una descripción detallada
de cada uno de ellos.
4.5.1. Módulo de Reconocimiento Facial: BWAFaceBSP
A lo largo de esta Tesis se ha colaborado en la implementación de varios BSPs basados
en reconocimiento facial de usuario y que han ido evolucionando proporcionando,
en un principio, solamente verificación biométrica y actualmente, también identificación
biométrica. El resultado de todo este trabajo se recoge en el BWAFaceBSP. El motor de
detección de caras utilizado en este BSP está basado en la aplicación del algoritmo de
Viola-Jones presentado anteriormente y que es utilizado para localizar en el flujo de vídeo
tanto la cara frontal del usuario como sus rasgos faciales más destacados (ojos, nariz y
boca) que son utilizados en el proceso de normalización de la cara detectada. El motor
de reconocimiento de caras está basado en características locales de Gabor multi-escala
y multi-orientación, las cuales han demostrado muy buenos resultados en biometría facial
[Poh y otros, 2009, Pinto y otros, ted ]. Estos filtros están motivados biológicamente,
puesto que se ha observado que su forma es similar a la del campo receptivo de ciertas
células corticales. Además, los filtros de Gabor presentan una óptima resolución tanto en
los dominios frecuencial como espacial [Daugman, 1988]. Un reciente estudio pone de
manifiesto la cantidad de trabajos que han adoptado dichas características para procesado
facial [Shen y Bai, 2006].
El sistema de reconocimiento facial se basa en la extracción de respuestas de Gabor
multiorientación y multiescala (jets) en cada uno de los nodos de una retícula rectangular
10 × 10, habiendo sido la cara previamente normalizada tanto geométrica como fotométricamente.
El valor de similitud s entre dos jets viene dado por el producto normalizado
entre los mismos, siendo el score final entre dos caras la mediana de las 100 similitudes
locales. Dado que trabajamos con secuencias de vídeo, podemos usar varios frames tanto
en enrollment como en test para llevar a cabo el reconocimiento. A continuación se describe
el método empleado en un marco genérico: supongamos que tenemos dos vídeos V 1
y V 2 , donde V 1 es el vídeo de enrollment y V 2 contiene el conjunto de frames de test disponibles
para hacer reconocimiento. La estrategia para comparar V 1 y V 2 es realizar todas las
comparaciones entre frames de V 1 y V 2 dando lugar a la siguiente matriz de similitudes: