Resumen

Presentamos un método no paramétrico de localización de rasgos faciales que utiliza información direccional relativa entre segmentos de imagen muestreados regularmente y puntos de rasgos faciales. En lugar de utilizar cualquier técnica iterativa de optimización de parámetros o algoritmo de búsqueda, nuestro método encuentra la localización de los puntos de rasgos faciales utilizando una concentración ponderada de los vectores direccionales que se originan en los segmentos de la imagen que apuntan a las posiciones esperadas de los rasgos faciales. Cada vector direccional se calcula mediante una combinación lineal de vectores eigendireccionales que se obtienen mediante un análisis de componentes principales de los segmentos faciales de entrenamiento en el espacio de características del histograma de gradiente orientado (HOG). Nuestro método encuentra los puntos de los rasgos faciales de forma muy rápida y precisa, ya que utiliza el razonamiento estadístico de todos los datos de entrenamiento sin necesidad de extraer patrones locales en las posiciones estimadas de los rasgos faciales, ningún algoritmo iterativo de optimización de parámetros ni ningún algoritmo de búsqueda. Además, podemos reducir el tamaño de almacenamiento del modelo entrenado controlando el nivel de preservación de energía del espacio de patrones HOG.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:punto de rasgos faciales, optimización iterativa de parámetros, vector direccional, algoritmo de búsqueda, posición de rasgos faciales, métodos de localización de rasgos, rasgos faciales no paramétricos, espacio de histograma, análisis de componentes principales, información direccional relativa
• Keywords:facial features point, iterative parameters optimization, directional vector, search algorithm, facial features position, features localization methods, nonparametric facial features, space of histogram, principal components analysis, relative directional information