Revista: | Computación y sistemas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000340713 |
ISSN: | 1405-5546 |
Autores: | Bekios Calfa, Juan1 Buenaposada, José M2 Baumela, Luis3 |
Instituciones: | 1Universidad Católica del Norte, Departamento de Ingeniería de Sistemas y Computación, Antofagasta. Chile 2Universidad Rey Juan Carlos, Móstoles, Madrid. España 3Universidad Politécnica de Madrid, Departamento de Inteligencia Artificial, Boadilla del Monte, Madrid. España |
Año: | 2011 |
Periodo: | Abr-Jun |
Volumen: | 14 |
Número: | 4 |
Paginación: | 383-391 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Analítico, descriptivo |
Resumen en español | Este trabajo presenta una solución al problema del reconocimiento del género de un rostro humano a partir de una imagen. Adoptamos una aproximación que utiliza la cara completa a través de la textura de la cara normalizada y redimensionada como entrada a un clasificador Náive Bayes. Presentamos la técnica de Análisis de Componentes Principales Probabilístico Condicionado–a–la–Clase (CC–PPCA) para reducir la dimensionalidad de los vectores de características para la clasificación y asegurar la asunción de independencia para el clasificador. Esta nueva aproximación tiene la deseable propiedad de presentar un modelo paramétrico sencillo para las marginales. Además, este modelo puede estimarse con muy pocos datos. En los experimentos que hemos desarrollados mostramos que CC–PPCA obtiene un 90% de acierto en la clasificación, resultado muy similar al mejor presentado en la literatura. El modelo propuesto es muy sencillo de entrenar e implementar |
Resumen en inglés | This paper presents a solution to the problem of recognizing the gender of a human face from an image. We adopt a holistic approach by using the cropped and normalized texture of the face as input to a Naíve Bayes classifier. First it is introduced the Class–Conditional Probabilistic Principal Component Analysis (CC–PPCA) technique to reduce the dimensionality of the classification attribute vector and enforce the independence assumption of the classifier. This new approach has the desirable property of a simple parametric model for the marginals. Moreover this model can be estimated with very few data. In the experiments conducted we show that using CC–PPCA we get 90% classification accuracy, which is similar result to the best in the literature. The proposed method is very simple to train and implement |
Disciplinas: | Ciencias de la computación, Ingeniería |
Palabras clave: | Ingeniería de control, Reconocimiento de imágenes, Género, Análisis de rostros, Análisis de componentes principales |
Keyword: | Computer science, Engineering, Control engineering, Images recognition, Gender, Face analysis, Principal component analysis |
Texto completo: | Texto completo (Ver HTML) |