Verificación facial multimodal: 2D y 3D

Abstract

Durante la segunda mitad del siglo XX, surgieron distintas técnicas diseñadas para reconocer a los individuos a partir de su imagen facial, es decir, información bidimensional. En los últimos años, han aparecido sensores capaces de adquirir no sólo la información bidimensional de textura, sino también la forma de la cara, la información tridimensional. En la presente tesis doctoral se realiza una comparación de la capacidad de reconocimiento facial de ambos tipos de información: 2D y 3D. Para ello, se han diseñado tres sistemas verificadores diferentes, basados en distintas características físicas de acuerdo al tipo de información que tratan: imagen de textura (2D), imagen de profundidad (2.5D) y mallado tridimensional (3D). Los verificadores 2D y 2.5D se basan en la técnica de Análisis de Componentes Principales y la clasificación se realiza mediante Máquinas de Vectores Soporte. El verificador 3D se basa en la medida del ajuste de superficies faciales mediante el algoritmo Iterative Closest Point. Una de las principales ventajas del uso de información tridimensional es la posibilidad de realizar un proceso de normalización de los datos, para corregir giros faciales y correcciones en escala. Se han diseñado tres métodos diferentes de normalización facial automática: un método basado en la segmentación de la superficie facial en función del valor de la curvatura media y gaussiana; un método también local, basado en la caracterización de puntos mediante Spin Images y una posterior clasificación de éstas mediante Máquinas de Vectores Soporte; un método global basado en el cálculo de diferentes planos de regresión a partir del mallado tridimensional. Finalmente, se han fusionado los dos tipos de información 2D y 3D, para aprovechar las ventajas de cada una de ellas, obteniendo un sistema híbrido que mejora los verificadores individuales. La fusión se realiza a la altura del módulo de decisión del sistema, realizando una combinación lineal de las salidas o scores de cada uno de los clasificadores utilizados.