Resumen

Este artículo propone el uso de cadenas como nuevo descriptor local para el reconocimiento facial. La imagen facial se divide primero en subregiones no superpuestas de las que se extraen las cadenas (palabras) utilizando el principio del algoritmo de código en cadena y se asignan a las palabras más cercanas en un diccionario de palabras visuales (DoVW) con la distancia Levenshtein (LD) aplicando el paradigma de bolsa de palabras visuales (BoVW). Como resultado, cada región se representa mediante un histograma de palabras del diccionario. A continuación, los histogramas se ensamblan como un descriptor facial. Nuestra metodología depende de la trayectoria seguida desde un píxel de partida y no requiere un modelo como los demás enfoques de la literatura. Por lo tanto, se obtiene la información de las propiedades locales y globales de un objeto. El reconocimiento se realiza utilizando el clasificador del vecino más cercano con la distancia de Hellinger (HD) como comparación entre vectores de características. Los resultados experimentales en las bases de datos ORL y Yale demuestran la eficacia del enfoque propuesto en términos de preservación de la información y tasa de reconocimiento en comparación con los métodos de reconocimiento facial existentes.

• Materias:Ingeniería electrónica Redes Inalámbricas Tecnología de sensores Procesamiento de señales asistido por computador Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Sensor technology Signal processing computer-assisted Data processing
• Palabras claves:palabras visuales, algoritmo del código en cadena, métodos de reconocimiento facial, clasificador del vecino más próximo, nuevo descriptor local, información, cadenas, distancia hellinger, distancia levenshtein, bases de datos yale
• Keywords:visual words, chain code algorithm, face recognition methods, nearest neighbor classifier, new local descriptor, information, strings, hellinger distance, levenshtein distance, yale databases