SOFTWARE PARA EL RECONOCIMIENTO DE PATRONES FACIALES Y DEL IRIS PARA AYUDAR A LOS ESPECIALISTAS A DIAGNOSTICAR SIGNOS DE VIOLENCIA (SOREPAFI)

Transcripción

1 SOFTWARE PARA EL RECONOCIMIENTO DE PATRONES FACIALES Y DEL IRIS PARA AYUDAR A LOS ESPECIALISTAS A DIAGNOSTICAR SIGNOS DE VIOLENCIA (SOREPAFI) Monserrat Gabriela Pérez Vera Escuela Superior de Cómputo mperezve@ipn.mx José Félix Serrano Talamantes Centro de Innovación y Desarrollo Tecnológico en Cómputo jfserrano@ipn.mxx Guillermo Sierra Ojeda Escuela Superior de Cómputo gsierrao0900@alumno.ipn.mx Resumen En la actualidad la violencia está acompañada de la amenaza hacia la persona que la recibe, pero en muchas ocasiones la persona agredida no denuncia debido al miedo que infunde su agresor sobre ella; a causa de esta situación los especialistas se enfrentan a un proceso largo y tardado para que la víctima pueda expresar que ha sufrido violencia y pueda recibir la ayuda necesaria. La implementación del software presentado tiene la intención de contribuir a los especialistas para determinar si una persona en un intervalo de edad entre 17 y 26 años, ha sufrido violencia sin que la persona tenga que expresarlo verbalmente. Palabras clave: diagnóstico, dolencia, reconocimiento de patrones, reconocimientos faciales. Ejemplar 18. Enero-junio de

2 En el tratamiento y prevención de la violencia en los jóvenes, los especialistas deben seguir un proceso basados en entrevistas para así poder identificar la existencia de violencia de tipo psicológico; sin embargo la intimidación es un problema constante que retrasa el tratamiento y prevención; dado que la persona tiene un miedo mayor a su agresor que conciencia en admitir el daño recibido. Por lo que se propone el uso de herramientas de software para permitir la identificación ágil de características propias de la violencia psicológica y así brindar ayuda oportuna a los especialistas, para evitar tanto las consecuencias como el aumento del nivel de la violencia. El desarrollo de un sistema basado en el análisis de fotografías del rostro y del iris permitiría reducir el estrés que llegarán a sentir los entrevistados y permitir al especialista analizar desde otro punto de vista la situación que se está presentando. La intención es que este sistema sea capaz de identificar las características del enojo, que permitiría identificar un perfil base que describa el comportamiento de una persona que ejerce o sufre violencia. Desarrollo. El reconocimiento de patrones es la ciencia que se encarga de la descripción y clasificación de objetos, personas, señales, representaciones, etcétera. Esta ciencia trabaja con base en un conjunto previamente establecido de todos los posibles objetos o patrones individuales a reconocer (Maya Vargas, 2013). Un sistema de reconocimiento de patrones está dividido en tres bloques. Para el primer bloque de acuerdo a Maya Vargas (2013) correspondiente al Sensor, utilizado en la identificación y el entrenamiento, se utilizaron tres cámaras con distintas características, elegidas considerando el equipo que podría llegar a tener alguno de los usuarios finales, para obtener las fotografías que serán un elemento de vital importancia tanto para el proceso de identificación del enojo como para el entrenamiento del sistema (Maya Vargas, 2013). Es importante considerar que la elección de las cámaras depende del usuario final, sin embargo, entre mayor sea la resolución de la cámara la muestra será mucho más confiable pero el tiempo de procesamiento aumentará. Figura 1. Primera etapa del Reconocimiento de 2

3 Para el segundo bloque (figura 2) correspondiente al Extractor de Características, utilizado en el entrenamiento, este es alimentado por los rostros extraídos de las fotografías capturadas por el bloque Sensor mediante la utilización del algoritmo Viola Jones (figura 3), el cual se encuentra de forma nativa en MATLAB, dicho algoritmo tiene un costo computacional muy bajo y consta de dos partes principales: clasificador en cascada, que garantiza una discriminación rápida, así como un entrenador de clasificadores basado en AdaBoost, el cual es un método de clasificación que combina varios clasificadores básicos para formar un único clasificador más complejo y preciso. Figura 3. Diagrama del algoritmo Viola Jones. Tomado de Fuentes Covarrubias, A. G., Fuentes Covarrubias, R., & Padilla Moreno, D. (s.f.). Entrenamiento de Reconocedores de Objetos Mediante el Método Viola Jones. Obtenido de Figura 2. Segunda etapa del Reconocimiento de Para el tercer y último bloque correspondiente al Clasificador, utilizado en la identificación, (figura 4) se implementó el algoritmo EigenFaces o Rostro Característico, qué en esta versión hace uso de la distancia euclidiana para determinar la decisión del reconocimiento (ecuación 1). Figura 4. Tercera etapa del Reconocimiento de 3

4 El algoritmo EigenFaces funciona con base a la obtención de un vector característico de una matriz, en este caso con fotografía y calcula cada una de las distancias contra las imágenes, ya sea neutro, enojo, normal, encontradas en la base de datos indexada. Finalmente selecciona la distancia más corta que será el resultado final de la clasificación de la fotografía capturada en el bloque del Sensor para el proceso de identificación. Resultados. D(x 1, x 2 ) = (x 1i x 2i ) 2 n i =1 Ecuación 1. Distancia euclidiana. Para la primera prueba del entrenamiento se utilizaron 301 fotografías, tomadas con dos cámaras con resolución de 10 y 14 Mpx respectivamente y se requirió un tiempo aproximadamente de 48 minutos para extraer los rostros a través del algoritmo Viola Jones, sin embargo, el algoritmo EigenFaces solo funcionó como un sistema de reconocimiento biométrico, lo cual no era el resultado esperado. Para la segunda versión del algoritmo EigenFaces se utilizaron 33 fotografías, tomadas con una webcam con resolución de 5 Mpx., donde el algoritmo de extracción de rostros, requirió en promedio 40 segundos para procesar todas las fotografías, mientras que el algoritmo EigenFaces tardaba casi dos minutos en identificar la emoción con porcentaje de efectividad aproximadamente del 45% al 50%; este porcentaje fue obtenido al procesar la misma base de datos indexada en el algoritmo de identificación y con base a los aciertos y errores resultantes. Para la identificación y extracción de los ojos en las fotografías, se utilizó el algoritmo de Viola Jones el cual tiene una efectividad del 70% si la fotografía es de buena calidad con un 40% de casos, Falso Positivo, al momento de identificar los ojos en la fotografía. Finalmente hubo una prueba extra utilizando la característica de MATLAB parfor el cual consiste en un procesamiento paralelo dividido en los dos núcleos del procesador del equipo de pruebas, lo cual disminuyó el tiempo de identificación en un 40% y aumentó la efectividad en un 5%. Conclusiones. Para este sistema se verificó la gran cantidad de información que existe acerca de la violencia y las formas en las que esta se manifiesta, lo que hizo complejo, de cierta forma el desarrollo del software, dado que se debieron considerar demasiadas variables para identificar de qué forma podría ser implementado. Sin embargo, con algunas adecuaciones es posible identificar más emociones lo cual permitiría que los especialistas sean capaces de identificar comportamientos que más adelante puedan ser incluidos en el sistema para mejorar su validez y efectividad. También, se comprobó que MATLAB reduce la complejidad y tiempo de desarrollo de software, sin embargo, se necesita un elevado 4

5 gasto computacional durante la ejecución y procesamiento de las fotografías. Asimismo, se validó, tanto el algoritmo Viola Jones como el algoritmo EigenFaces, como herramientas muy útiles y eficientes para los sistemas de reconocimiento de patrones, el tiempo de respuesta y la efectividad no fueron directamente resultados de este algoritmo, sino del gasto de recursos de MATLAB. Finalmente, es importante reconocer que es posible la implementación de un sistema basado en redes neuronales, y que este pueda simplificar el procesamiento de las fotografías, disminuir el tiempo de respuesta y hasta mejorar la efectividad del reconocimiento de emociones utilizando patrones faciales. Referencias. Fuentes Covarrubias, A. G., Fuentes Covarrubias, R., & Padilla Moreno, D. (s.f.). Entrenamiento de Reconocedores de Objetos Mediante el Método Viola Jones. Obtenido de Maya Vargas, A. (2013). Sistema biométrico de reconocimiento de huella dactilar en control de acceso de entrada y salida. Obtenido de Universidad Militar Nueva Granada,