Resumen

Los modelos faciales tridimensionales (3D) pueden manejar intrínsecamente el problema del reconocimiento de rostros con grandes poses. En este artículo, proponemos un nuevo método de reconocimiento de rostros invariante en cuanto a la pose a través de imágenes RGB-D. Al emplear la profundidad, nuestro método es capaz de manejar la auto-oclusión y la deformación, ambos problemas desafiantes en el reconocimiento facial bidimensional (2D). Las imágenes de textura de la galería se pueden representar en la misma vista que la sonda a través de la profundidad. Mientras tanto, la profundidad también se utiliza para medir la similitud mediante la frontalización y el relleno simétrico. Por último, tanto la textura como la profundidad contribuyen a la estimación final de la identidad. Los experimentos realizados en las bases de datos Bosphorus, CurtinFaces, Eurecom y Kiwi demuestran que la información de profundidad adicional ha mejorado el rendimiento del reconocimiento de rostros con grandes variaciones de pose y en condiciones aún más difíciles.

• 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:rendimiento de la cara, información de profundidad adicional, gran variación de la pose, profundidad, estimación de la identidad final, métodos de reconocimiento de la cara, modelo de la cara, imagen de textura, condiciones desafiantes, contribución de la profundidad
• Keywords:performance of face, additional depth information, large pose variation, depth, final identity estimation, face recognition methods, face model, texture image, challenging conditions, depth contribute