Reconocimiento de Rostro basado en PCA aplicado a imágenes RGB

En la actualidad la técnica de PCA (análisis de componentes principales) es muy utilizada en Data Science y en métodos de Machine Learning para la reducción de dimensionalidad de los datos. Sin embargo hay otros usos que se le puede dar a esta técnica y uno de ellos es para el reconocimiento de rostros. Ya Turk y Pentland en los 90 desarrollan el método Eigenfaces que utiliza el análisis de componentes principales para definir una base en el espacio de las imágenes vectorizadas y medir distancias entre los rostros. Este método no utiliza la información del color la cual es descartada en el primer paso, donde se convierte

las imágenes a escala de grises. Quince años más tarde Jian Yang et al. desarrollan el algoritmo Two-Dimensional PCA que permite utilizar las imágenes en su forma matricial (no vectorizadas), pero aún deben transformarse a escala de grises para realizar el reconocimiento. Finalmente en 2015 Xinguang Xiang et al. proponen un modelo que incorpora el color basado en la teoría de Two-Dimensional PCA.

En este seminario se mostrarán los métodos derivados de Eigenfaces que permiten incorporar la información del color al modelo de clasificación y se verá cómo afecta a la eficacia del reconocimiento.