Análisis de un sistema multi-biometrico de reconocimiento facial usando wavelet up(x)

Elizabeth García-Rios; Enrique  Escamilla-Hernández; Héctor Manuel Pérez-Meana; Luis Enrique Ramos-Velasco; Mario Pérez-Bautista; Oleg Victorovich Kravchenko

doi:10.29057/icbi.v10iEspecial4.9284

Elizabeth García-Rios Instituto Tecnológico Superior de Occidente del Estado de Hidalgo https://orcid.org/0000-0001-5066-8859
Enrique Escamilla-Hernández Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Culhuacá https://orcid.org/0000-0002-4832-8270
Héctor Manuel Pérez-Meana Escuela Superior de Ingeniería Mecánica y Eléctrica Unidad Culhuacá https://orcid.org/0000-0002-7786-2050
Luis Enrique Ramos-Velasco Universidad Politécnica Metropolitana de Hidalgo https://orcid.org/0000-0002-8715-9641
Mario Pérez-Bautista Instituto Tecnológico Superior del Occidente del Estado de Hidalgo https://orcid.org/0000-0003-1633-2563
Oleg Victorovich Kravchenko Universidad Técnica Estatal de Bauman de Moscú https://orcid.org/0000-0002-7651-3422

DOI: https://doi.org/10.29057/icbi.v10iEspecial4.9284

Palabras clave: Sistema multi-biométrico, Función Atómica, Wavelet up(x), niveles de fusión, reconocimiento facial, imagenes, imagenes estéreo

Resumen

En este artículo se presenta un análisis de un sistema multi-biométrico de reconocimiento facial con uso de imágenes estéreo. En donde, se propone como algoritmo de extracción de características el uso de la Wavelet up(x) la cual está basada en funciones atómicas y como clasificador la Maquina de Soporte Vectorial (SVM). El sistema multi-biométrico de rostros está constituido por el uso de distintos niveles de fusión para utilizar las características faciales estéreo. Al evaluar los resultados del sistema con la wavelet up(x) en comparación con otros algoritmos de extracción de características (Filtros de Gabor, DWT de Haar y la DWT Daubechies de tercer orden) este proporciona un mayor porcentaje de reconocimiento; debido a que los coeficientes de esta wavelet tienen una mejor respuesta en tiempo - frecuencia, otorgando así una mejor extracción de características dando un mayor porcentaje de reconocimiento dentro del sistema.

Descargas

La descarga de datos todavía no está disponible.

Citas

Andres Hernandez-Matamoros, H. F.-H.-M.-M. (2020). Recognition of ECG signals using wavelet based on atomic functions. Biocybernetics and Biomedical Engineering, 803-814.

Anil K, J. P. (2008). Handbook of Biometrics. Boston, USA: Springer Science+Business Media.

García E., E. E.-M. (2014). Sistema de Reconocimiento de Rostros usando Visión Estéreo. Información Tecnólogica SciELO, 25(6), 117 - 130.

Garcia-Rios E., E.-H. E.-T.-S.-M.-M. (2013). Multi-biometric Face Recognition System using Levels of Fusion. NAUN International Journal of Computers, 7(3), 99-108.

K Perez-Daniel, E. E.-M.-M. (2012). A novel image interest points detector based on Harris method using Atomic functions. Telecommunications and Radio Engineering, 71(17), 1575-1588.

Kravchenko VF, H. M. (2009). Adaptive digital processing of multidimensional signals with applications. (V. F. Kravchenko, Ed.) Russia: M.:FIZMATLIT.

Kravchenko, V. K. (2015). Atomic and WA-systems and R-functions applied in modern radio physics problems: Part II. J. Commun Technol. Electron, 60, 103 - 141.

Kravchenko, V. P. (2009). New system of Kravchenko orthogonal wavelets up(t). Dokl. Math, 80, 775-780.

Yu X., W. X. (2011). Support Vector Machine Regressionfor Reactivity Parameters of Vinyl monomers. Journal of the Chilean Chemical Society, 56(3), 746-751.