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

44 Capítulo 3. Base Tecnológica
X.509 Certificate Token Profile 1.1
3.4. Procesado de Imagen
Como parte del trabajo realizado en esta Tesis se presenta una herramienta de monitorización
de estudiante que proporciona una medida del tiempo de presencia y de atención
que éste dedica a los contenidos de una plataforma de E-Learning. Para ello se aplica
un procesado de imagen al flujo de vídeo procedente de la cámara web del equipo del
estudiante, donde se espera que éste se encuentre. OpenCV es una biblioteca libre de visión
artificial originalmente desarrollada por Intel que será utilizada en esta Tesis para la
realización de las tareas de detección de caras frontales, detección y seguimiento de rasgos
faciales (ojos, nariz y boca), y seguimiento de la piel del estudiante. Concretamente,
se partirá de las implementaciones existentes de los métodos de detección Adaboost de
Viola-Jones, del algoritmo de seguimiento basado en flujo óptico de Lucas-Kanade, y de
la técnica no paramétrica Camshift, combinándolos para crear un módulo de seguimiento
de estudiante efectivo.
3.4.1. Introducción
Desde que apareció su primera versión alfa en el mes de enero de 1999, OpenCV se
ha utilizado en infinidad de aplicaciones. Desde sistemas de seguridad con detección de
movimiento, hasta en el control de procesos donde se requiere reconocimiento de objetos.
Esto se debe a que su publicación se da bajo licencia BSD, que permite que sea usada
libremente para propósitos comerciales y de investigación con las condiciones en ella
expresadas.
OpenCV es multiplataforma, existiendo versiones para Linux, Mac OS X y Windows.
Contiene mas de 500 funciones que abarcan una gran gama de áreas en el proceso de
Visión, como reconocimiento de objetos (reconocimiento facial), calibración de cámaras,
visión estéreo, etc.
El proyecto pretende proveer un Tool-Kit o Marco de desarrollo fácil de utilizar y altamente
eficiente. Esto se ha logrado, realizando su programación en código C y C++
optimizados, aprovechando además las capacidades que proveen los procesadores multinúcleo.
Además, OpenCV es compatible con las Primitivas de Rendimiento Integradas
de Intel, que son un conjunto de rutinas de bajo nivel específicas para procesadores Intel
(IPP) que aumentan su rendimiento.
3.4.2. Algoritmo de Viola & Jones
El primer método que vamos a ver para realizar tareas de detección es el desarrollado
por Paul Viola y Michael Jones [Viola y Jones, 2001]. Este método realiza una detección
de la posición del objeto buscado. Se ha comprobado que ofrece muy buenos resultados
en la detección de caras de frente. En concreto una mejora del algoritmo realizada por
Lienhart [Lienhart y Maydt, 2002] es uno de los métodos más utilizados para la detección