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

46 Capítulo 3. Base Tecnológica
Figura 3.9: Haar-like Features - A la izquierda las características empleadas en el algoritmo
original de Viola & Jones y a la derecha las empleadas en la mejora de Lienhart.
Para conseguir estos clasificadores (la selección realizada mediante AdaBoost) y la
cascada final, es necesario realizar un entrenamiento muy costoso. Este entrenamiento
necesita muchos ejemplos del objeto buscado (recordemos que en nuestro caso se trata
de caras y rasgos faciales), además de mucho tiempo de procesamiento. Debido a estos
problemas se pueden emplear clasificadores ya entrenados previamente por otros grupos.
La propia librería OpenCV facilita algunos.
Este método tiene la ventaja de que la detección es muy fiable, es decir, cuando detecta
una cara con pose frontal, es altamente probable que se encuentre allí. Sin embargo
tiene el inconveniente de que en algunas ocasiones la cara no es detectada, y por tanto
en esos momentos se pierde por completo su posición. Si esto ocurriese en fotogramas
aislados y sabiendo que la cabeza no se mueve mucho entre fotogramas se podría suponer
que la posición en los fotogramas perdidos es la posición anterior. El problema en nuestro
sistema es que la cara del usuario no estará siempre de frente, sino que al teclear algunos
estudiantes inclinarán la cabeza perdiendo la frontalidad, o la cara será ocluida parcialmente
por la mano en determinados momentos, o el estudiante se pondrá de perfil. En
esos momentos la localización de la cara se pierde por completo y el mantener la posición
anterior no es viable ya que no diferenciamos ninguno de los casos anteriores del hecho
de que el estudiante se haya ido. Por ello, el empleo de este sistema en solitario para llevar
a cabo todo el proceso de monitorización de presencia del estudiante no es razonable, ya
que necesitamos conocer de forma fiable la posición en todo momento del alumno, siendo
por ello necesario emplear algún otro método complementario. Por otra parte, dada la
fiabilidad que ofrece el método en la tarea de detección, consideramos muy útil su empleo
en el proceso de inicialización de otros métodos.
3.4.3. Algoritmo CAMSHIFT
Otro método que vamos a utilizar para la detección de la posición y seguimiento
de la cara en 2D es el CAMSHIFT [Allen y otros, 2004]. Este método está basado en
uno desarrollado previamente, denominado MEANSHIFT [Fukunaga, 1990] en el que