Revista de teledetección y SIG

Abstracto

Aplicación del teorema del “Seno General” al algoritmo de reconocimiento facial

Mostafa Derraz, Faouzya El Farissi y Abdellatif Ben Abdellah

La interacción hombre-máquina es uno de los actores más impactantes para el futuro de la robótica. Debido a la necesidad de mejorar la entrada del robot y alejarse lo más posible de las líneas de comando y cambiarla a sensores y controladores. La interacción hombre-máquina (HMI) se refiere a la comunicación e interacción entre un hombre y una máquina a través de una interfaz de usuario. Hoy en día, las interfaces de usuario naturales como los gestos están atrayendo cada vez más atención, ya que permiten a los humanos controlar máquinas a través de comportamientos naturales e intuitivos. En la HMI basada en gestos, por ejemplo, se utiliza un sensor y una cámara para capturar posturas y movimientos humanos para reconocer el rostro humano (usuario), que se procesa para controlar una máquina. La tarea clave de la HMI basada en gestos es reconocer expresiones significativas del rostro humano y movimientos utilizando los datos proporcionados por la cámara y el sensor, incluyendo RGB (rojo, verde, azul), profundidad e información del esqueleto. Muchos algoritmos de reconocimiento facial se basan en métodos basados ​​en características que detectan un conjunto de características geométricas en la cara como ojos, cejas, nariz y boca. Las propiedades y relaciones como áreas, distancias y ángulos entre minucias (puntos característicos) sirven como descriptores para el reconocimiento facial. Generalmente, se genera la necesidad de detectar de 30 a 60 puntos característicos para describir un rostro de manera robusta. El rendimiento del reconocimiento facial basado en características geométricas depende de la precisión del algoritmo de ubicación de características o exploremos más de cerca los teoremas y fórmulas geométricas. Sin embargo, no existe una respuesta universal al problema de la cantidad de puntos que brindan el mejor rendimiento, las características importantes y cómo extraerlas automáticamente. Esto implica que la configuración geométrica general de los rasgos faciales es suficiente para el reconocimiento. Como se mencionó anteriormente, existen muchos enfoques para el problema del reconocimiento facial. Uno de ellos se basa en los puntos de las características faciales. En este caso, se trata de imágenes digitales del retrato frontal. Se necesitan de 30 a 60 puntos para describir un rostro de manera robusta. La ubicación de algunos puntos depende de la expresión facial. Hay dos problemas: definir y extraer los puntos más invariantes, y encontrar el conjunto de características geométricas óptimo para el reconocimiento facial. Hace diez años, desarrollamos un teorema que replanteaba desde otra filosofía el concepto/función del seno hacia atrás, así que después de cinco años, publicamos el teorema bajo el nombre de "Los pecados generales". En el artículo de Los pecados generales, discutimos los resultados, el contexto y los antecedentes. ¿Y cómo generalizar la función seno? El seno general ha sido definido por Sin (x, y) con dos parámetros, que se pueden usar en n-gonos, no necesariamente en un rectángulo. ¿Y cómo aplicamos la función seno general en n-gonos? para determinar todas las propiedades intrínsecas de n-gonos, usando una cantidad mínima y razonable de datos, donde no se aplican condiciones en la naturaleza de n-gonos.Hemos demostrado que esta fórmula es la más generalizada en la geometría euclidiana. Basándonos en el teorema general del seno, podemos mejorar el rendimiento del algoritmo de reconocimiento facial. La aplicación de fórmulas generales del seno permite tratar puntos más característicos y obtener información más precisa como la distancia y los ángulos entre cada punto, mejorando al mismo tiempo el tiempo de procesamiento del algoritmo para que sea más rápido.