Algoritmos basados en aprendizaje profundo para aplicaciones reales de reconocimiento de rostros
Palabras clave:
reconocimiento automático de rostros, aprendizaje profundoResumen
Introducción: El reconocimiento automático de rostros se ha mantenido por varios años como un tema de investigación activo en el área de visión por computadoras. Es una de las técnicas biométricas más utilizadas, pero su eficacia en sistemas prácticos se ve afectada ante condiciones no controladas de captura como son la baja resolución, el uso de mascarilla o el reconocimiento de retratos hablados en una investigación criminal.
Objetivos: Se plantea como objetivo de esta investigación desarrollar un conjunto de algoritmos para el reconocimiento automático de rostros basados en aprendizaje profundo.
Métodos: La investigación está sustentada en los avances más recientes de las técnicas de aprendizaje profundo, que han sido adecuadas y contextualizadas para ser utilizadas en aplicaciones prácticas de reconocimiento de rostros.
Resultados: En particular, se proponen métodos novedosos para las tareas de: a) reconocimiento automático de rostros en video de manera eficiente, b) reconocimiento de rostros en videos de baja resolución, c) selección de cuadros y regiones para un reconocimiento de rostro más efectivo, d) clasificación de atributos débiles del rostro, e) reconocimiento automático de rostros con mascarillas, y f) reconocimiento de retratos hablados.
Conclusiones: Los algoritmos desarrollados logran aumentar la eficacia en las diferentes tareas enunciadas, en comparación con algoritmos similares del estado actual de la literatura y han mostrado ser efectivos en diferentes entornos prácticos.
Descargas
Citas
1. Taskiran M, Kahraman N, Erdem CE. Face recognition: past, present and future (a review). Digital Signal Processing. 2020 Nov. 1;106:102809.
2. Wang M, Deng W. Deep face recognition: a survey. Neurocomputing. 2021 Mar 14;429:215-44.
3. Anwarul S, Dahiya S. A comprehensive review on face recognition methods and factors affecting facial recognition accuracy. In: Proceedings of ICRIC 2019: Recent Innovations in Computing. Cham: Springer; 2020. p. 495-514.
4. Bashbaghi S, Granger E, Sabourin R, Parchami M. Deep learning architectures for face recognition in video surveillance. In: Deep learning in object detection and recognition. Singapore: Springer; 2019. p. 133-54.
5. Liu W, Zhou L, Chen J. Face recognition based on lightweight convolutional neural networks. Information. 2021 Apr 28;12(5):191.
6. Li P, Prieto L, Mery D, Flynn PJ. On low-resolution face recognition in the wild: comparisons and new techniques. IEEE Transactions on Information Forensics and Security. 2019 Jan 3;14(8):2000-12.
7. Alzubi A, Albalas F, Al-Hadhrami T, Younis LB, Bashayreh A. Masked face recognition using deep learning: a review. Electronics. 2021 Oct 31;10(21):2666.
8. Jacquet M, Champod C. Automated face recognition in forensic science: review and perspectives. Forensic Science International. 2020 Feb 1;307:110124.
9. Parkhi O, Vedaldi A, Zisserman A. Deep face recognition. In: Proceedings of the British Machine Vision Conference (BMVC) 2015; 2015 Sep 7-10; Swansea, UK. Swansea: British Machine Vision Association; 2015. p. 41.1-41.12.
10. López-Avila L, Plasencia-Calaña Y, Martínez-Díaz Y, Méndez-Vázquez H. On the use of pre-trained neural networks for different face recognition tasks. In: Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications: 22nd Iberoamerican Congress, CIARP 2017; 2017 Nov 7-10; Valparaíso, Chile. Cham: Springer; 2018. p. 356-64.
11. Martinez-Diaz Y, Luevano LS, Mendez-Vazquez H, Nicolas-Diaz M, Chang L, Gonzalez-Mendoza M. Shufflefacenet: a lightweight face architecture for efficient and highly-accurate face recognition. In: Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops; 2019 Oct 27-Nov 2; Seoul, Korea. Piscataway: IEEE; 2019. p. 0-0.
12. Hernández-Durán M, Plasencia-Calaña Y, Méndez-Vázquez H. Low-resolution face recognition with deep convolutional features in the dissimilarity space. In: Progress in Artificial Intelligence and Pattern Recognition: 6th International Workshop, IWAIPR 2018; 2018 Sep 24-26; Havana, Cuba. Cham: Springer; 2018. p. 95-103.
13. Martinez-Diaz Y, Mendez-Vazquez H, Luevano LS. Effectiveness of blind face restoration to boost face recognition performance at low-resolution images. In: Progress in Artificial Intelligence and Pattern Recognition: 8th International Workshop on Artificial Intelligence and Pattern Recognition (IWAIPR 2023); 2023 Sep 26-28; Varadero, Cuba. Cham: Springer; 2023. p. 455-67.
14. Bahroun S, Abed R, Zagrouba E. KS-FQA: keyframe selection based on face quality assessment for efficient face recognition in video. IET Image Processing. 2021 Jan;15(1):77-90.
15. Méndez-Llanes N, Castillo-Rosado K, Méndez-Vázquez H, Khellat-Kihel S, Tistarelli M. Face recognition on mobile devices based on frames selection. In: Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications: 24th Iberoamerican Congress, CIARP 2019; 2019 Oct 28-31; Havana, Cuba. Cham: Springer; 2019. p. 316-25.
16. Méndez-Llanes N, Castillo-Rosado K, Méndez-Vázquez H, Tistarelli M. Quality-based representation for unconstrained face recognition. In: 2020 25th International Conference on Pattern Recognition (ICPR); 2021 Jan 10-15; Milan, Italy. IEEE; 2021. p. 6494-500.
17. Rivero-Hernandez J, Morales-Gonzalez A, Denis LG, Mendez-Vazquez H. Ordered weighted aggregation networks for video face recognition. Pattern Recognition Letters. 2021 Jun 1;146:237-43.
18. Becerra-Riera F, Morales-González A, Méndez-Vázquez H. A survey on facial soft biometrics for video surveillance and forensic applications. Artificial Intelligence Review. 2019 Aug;52(2):1155-87.
19. Becerra-Riera F, Morales-Gonzalez A, Mendez-Vazquez H, Dugelay JL. Attribute-based quality assessment for demographic estimation in face videos. In: 2020 25th International Conference on Pattern Recognition (ICPR); 2021 Jan 10-15; Milan, Italy. IEEE; 2021. p. 5875-82.
20. Becerra-Riera F, Morales-González A, Méndez-Vázquez H, Dugelay JL. Demographic attribute estimation in face videos combining local information and quality assessment. Machine Vision and Applications. 2022 Mar;33(2):26.
21. Becerra-Riera F, Morales-González A, Méndez-Vázquez H. Exploring local deep representations for facial gender classification in videos. In: Progress in Artificial Intelligence and Pattern Recognition: 6th International Workshop, IWAIPR 2018; 2018 Sep 24-26; Havana, Cuba. Cham: Springer; 2018. p. 104-12.
22. Deng J, Guo J, An X, Zhu Z, Zafeiriou S. Masked face recognition challenge: the insightface track report. In: Proceedings of the IEEE/CVF International Conference on Computer Vision; 2021 Oct 11-17; Virtual. IEEE; 2021. p. 1437-44.
23. Martínez-Díaz Y, Méndez-Vázquez H, Luevano LS, Nicolás-Díaz M, Chang L, González-Mendoza M. Towards accurate and lightweight masked face recognition: an experimental evaluation. IEEE Access. 2021 Dec 13;10:7341-53.
24. Méndez-Vázquez H, Becerra-Riera F, Morales-González A, López-Avila L, Tistarelli M. Local deep features for composite face sketch recognition. In: 2019 7th International Workshop on Biometrics and Forensics (IWBF); 2019 May 2-3; Cancun, Mexico. IEEE; 2019. p. 1-6.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Heydi Mendez Vazquez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Anales de la Academia de Ciencias de Cuba protege los derechos de autor, y opera con una Licencia Creative Commons 4.0 (Licencia Creative Commons Reconocimiento-NoComerciall 4.0). Al publicar en ella los autores permiten copiar, reproducir, distribuir, comunicar públicamente su obra y generar obras derivadas, siempre y cuando se cite y reconozca al autor original. No permiten, sin embargo, utilizar la obra original con fines comerciales ni lucrativos.
Los autores autorizan la publicación de sus escritos conservando los derechos de autoría, y cediendo y transfiriendo a la revista todos los derechos protegidos por las leyes de propiedad intelectual que rigen en Cuba, que implican la edición para difundir la obra.
Los autores podrán establecer acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarla en un repositorio institucional o publicarla en un libro), con el reconocimiento de haber sido publicada primero en esta revista.
Para conocer más, véase https://creativecommons.org
