Resumen

La clasificación demográfica, y en particular el reconocimiento de género, es un tema de bastante interés para los investigadores debido a su importancia en diversas aplicaciones, tales como, en áreas de vigilancia, reconocimiento de rostros, indexación de vídeos, estudios de marketing dinámico, entre otras. Éste artículo propone una nueva forma de llevar a cabo la clasificación de género usando vectores de frecuencia basados en descriptores locales SIFT o SURF. El objetivo es poder determinar si los vectores de frecuencia contienen información discriminante. El entrenamiento y la validación de los modelos de clasificación se harán sobre la base de datos Multi-PIE, la cual contiene imágenes de caras tomadas en condiciones de laboratorio, disponibles con cambios de iluminación, pose y expresiones. Para el desarrollo experimental solo se consideran las imágenes capturadas con la iluminación normal de la sala, con los sujetos con expresión neutral y 11 cambios de pose. Los resultados obtenidos validan que los modelos propuestos contienen información discriminante y además mantienen una precisión estable en la clasificación de género sobre imágenes con variaciones de pose. Esto último es sumamente relevante, ya que en condiciones de la vida real difícilmente se van adquirir imágenes de caras frontales, más bien la mayoría tendrán cambios de perspectiva, rotación y cambios de iluminación, por lo tanto se requiere un modelo robusto a estas condiciones.

INTRODUCCIÓN

Los atributos visuales definen un conjunto de propiedades observables que dotan de significado a las imágenes, y a partir de éstos podemos entender mejor el entorno físico que nos rodea. En la literatura, las representaciones basadas en atributos han recibido una considerable atención, estos últimos años. Debido a que son utilizadas con éxito en problemas de recuperación de imágenes desde una base de datos [1], en el reconocimiento de objetos [2], en la descripción de objetos desconocidos [3], incluso para aprender nuevos modelos de objetos no entrenados, a través de sus descriptores [3-4]. En el caso particular de los atributos faciales, estos han tenido un papel clave en aplicaciones de interacción hombre-máquina, recuperación de imágenes y video, y vigilancia. También se han utilizado en la verificación de imágenes faciales [5]. Es por esto, que existe un gran interés en encontrar atributos faciales interesantes como lo son el estilo del pelo, la expresión facial, accesorios utilizados, etc.

En el caso, de la estimación de atributos faciales para género, edad y etnia, entre los más importantes, podemos encontrar en la literatura dos aproximaciones: Una basada en apariencia [6-7], que utiliza toda la información de una cara recortada desde una imagen, la cual, es normalizada en tamaño e iluminación.

• Materias:Vectores Estadística Demografía
• Subjects:Vectors Statistics Demographics
• Palabras claves:Clasificación demográfica; Reconocimiento de género; Clasificador lineal; Descriptor local; Vector de frecuencia
• Keywords:Demographic classification; Gender recognition; Linear classifier; Local descriptor; Frequency vector