Tesis - Localización y Reconocimiento de Rostros en Imágenes ...

3. ANTECEDENTES TEÓRICOSɛ 2 = ‖Φ − Φ f ‖ (3.27)dondeΦ = Γ − ΨyΦ f = ∑ M ′i=1 ω iu iDe lo anterior hay cuatro posibilidades para una imagen de entrada y su vector patrón: (1)espacio facial cercano y clase facial cercana, (2) espacio facial cercano pero ninguna clase facialcercana conocida, (3) lejana del espacio facial y clase facial cercana, y (4) lejana del espacio facial yninguna clase facial cercana conocida. En el primer caso, un individuo es reconocido e identificado.En el segundo caso, un individuo desconocido está presente. Los dos últimos casos indican que laimagen no es un rostro. El caso tres muestra un caso típico de falso positivo que es detectado dadala distancia significativa entre la imagen de entrada y el espacio facial. Es decir, un falso positivocorresponde a una imagen detectada como si fuera un rostro o siendo un rostro como si formaraparte de la base de datos. Un falso negativo corresponde a un rostro que no es detectado y que síforma parte de la base de datos.3.4. NormalizaciónLa normalización [1, pag. 93][23], es un proceso que permite mejorar el reconocimiento y consisteen alinear tanto como sea posible las imágenes faciales. La alineación puede ser en traslación,orientación y escala.Para eliminar la influencia del cabello y del ruido de fondo se puede extraer solo la regiónelíptica de la cara. Para reducir los efectos de los cambios en la iluminación global y direccional, sepueden aplicar sombreado lineal y ecualización a las imágenes faciales. Sin embargo, estas operacionespueden ser muy costosas, especialmente en escenas dinámicas. Una alternativa, consiste en aplicaruna corrección en intensidad a cada píxel aplicando la relación:CI(x n ) = x n − µσ(3.28)donde CI representa la corrección en intensidad, x n representa al píxel, µ representa la intensidadmedia y σ representa la desviación estándar de la imagen.46