Resumen

La calidad de la imagen facial tiene un efecto importante en el rendimiento del reconocimiento. La evaluación de la calidad de la imagen facial orientada al reconocimiento es particularmente necesaria para la selección o aplicación de imágenes faciales con diversas calidades. En este trabajo, la nitidez y el brillo fueron evaluados principalmente por un modelo de clasificación. Se seleccionaron imágenes de muy alta calidad de cada sujeto y se establecieron nueve tipos de etiquetas de calidad relacionadas con el rendimiento del reconocimiento utilizando una combinación de algoritmos de reconocimiento facial, el sistema de visión humana y un método tradicional de cálculo de brillo. Se realizaron experimentos en un conjunto de datos personalizado y en la base de datos facial multi-PIE de CMU para entrenamiento y pruebas, y en Labeled Faces in the Wild para validación cruzada. Los resultados experimentales muestran que el método propuesto puede reducir efectivamente la tasa de falsos rechazos eliminando las imágenes faciales de baja calidad identificadas por el modelo de clasificación y viceversa. Este método es incluso efectivo para algoritmos de reconocimiento facial

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Calidad de imagen facial; Rendimiento de reconocimiento; Modelo de clasificación; Etiquetas de calidad; Algoritmos de reconocimiento facial; Evaluación humana
• Keywords:Face image quality; Recognition performance; Classification model; Quality labels; Face recognition algorithms; Human evaluation