Resumen

La creciente demanda en el campo de la seguridad llevó al desarrollo de enfoques interesantes en la clasificación facial. Estos trabajos son interesantes desde su inicio en la extracción de las características invariantes del rostro para construir un único modelo fácilmente identificable por algoritmos de clasificación. Nuestro objetivo en este artículo es desarrollar métodos prácticos más eficientes para la detección facial. Presentamos un nuevo enfoque rápido y preciso basado en patrones binarios locales (LBP) para la extracción de las características que se combina con el nuevo clasificador Neighboring Support Vector Classifier (NSVC) para la clasificación. Los resultados experimentales en diferentes imágenes naturales muestran que el método propuesto puede obtener muy buenos resultados en un tiempo de detección muy corto. La mejor precisión obtenida por LBP-NSVC supera el 99%.

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Seguridad; Clasificación facial; Características invariantes; Algoritmos de clasificación; Patrones binarios locales; Clasificador de Vector de Soporte Vecino
• Keywords:Security; Face classification; Invariant features; Classification algorithms; Local binary patterns; Neighboring Support Vector Classifier