Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/20098
Title: Visión artificial aplicada a la detección e identificación de personas en tiempo real
Authors: Acuña Escobar, Diego Andrés
Keywords: SISTEMAS INTELIGENTES
VISIÓN POR COMPUTADORA
RED NEURONAL
Issue Date: 19-Feb-2019
Publisher: Quito, 2019.
Citation: Acuña Escobar, D. A. (2019). Visión artificial aplicada a la detección e identificación de personas en tiempo real. 106 hojas. Quito : EPN.
Abstract: This degree work makes a study and a practical application of four different methods; Principal Component Analysis, Linear Discriminant Analysis, Elastic Bunch Graph Matching and Machine Learning; in image processing for real’s time faces detection and identification. The proposed methods for the study in this work were pre-selected in a planning stage, where it was made a brief actualization about the state of the art in order to know the best options for the goal’s accomplishment. Also, the proposed methods were implemented and tested, and among them, the solution with the best results was the Google’s convolutional neural network for CV called TensorFlow. Each method was tested according to the same conditions, but Google’s TensorFlow was the one that met the goals. Then, the selected method was also subjected to a new test where it was possible to determine the quantity of images required in order to reach at least the 90% in rates of detection, precision and accuracy. Tests were taken considering 4 different image capture scenarios: face in normal front, wearing hats and glasses, smiling or grimacing and low light’s environments.
Description: En este trabajo de titulación se hace un estudio y una aplicación práctica de 4 diferentes métodos; Análisis de Componentes Principales, Análisis Discriminatorio Lineal, Elastic Bunch Graph Matching y Machine Learning; en el procesamiento de imágenes para la detección e identificación de rostros en tiempo real. Los métodos propuestos para el estudio en este trabajo fueron pre-seleccionados en una etapa de planificación, donde se realizó una breve actualización del estado del arte para conocer las opciones más adecuadas a este caso de estudio. Los métodos propuestos fueron implementados y probados, y de ellos se seleccionó la solución mediante una Red Neuronal Convolucional porque cumplió con los objetivos de detección, precisión y exactitud planteados. Cada método se probó bajo las mismas condiciones, pero el que obtuvo mejores resultados y cumplió con los objetivos fue el de la Red Neuronal Convolucional con el framework tensorflow de Google. Luego, el método seleccionado fue también sometido a una nueva serie de pruebas donde se determinó la cantidad de imágenes requeridas en la fase de entrenamiento del algoritmo para que los resultados de la solución alcancen al menos el 90% en tasas de detección, precisión y exactitud. Las pruebas fueron realizadas considerando 4 diferentes escenarios de captura de las imágenes: con el rostro de frente normal a la cámara, utilizando gorras y gafas, sonriendo o haciendo gestos faciales, y en ambientes con poca luz.
URI: http://bibdigital.epn.edu.ec/handle/15000/20098
Appears in Collections:Tesis Sistemas Informáticos y de Computación (ISIS)

Files in This Item:
File Description SizeFormat 
CD-9539.pdf1,99 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.