Aplicacin de Reconocimiento Facial usando Redes Neuronales Articiales

Juan Jos Ramrez Lama

Departamento de Sistemas de Informacin Facultad de Ciencias Empresariales, Universidad del Bo-Bo Concepcin, Chile juaramir@alumnos.ubiobio.cl

ResumenEn el presente artculo se aplican todos los pasos necesarios para realizar una Revisin Sistemtica de la Literatura (RSL), centrada en la aplicacin de Redes Neuronales Articiales en el Reconocimiento Facial, lo que se realiza segn los objetivo planteados y mencionados en el documento, buscando y seleccionando artculos de inters que permitan obtener resultados y as poder contestar las preguntas de investigacin expuestas. Realizado el anlisis completo de los artculos y elegido los mas relevantes, se realiza un anlisis de cada uno de ellos, exponiendo un breve resumen de lo que plantean y abarcan, para terminar presentando el aporte que representa cada uno para la investigacin del tema propiamente tal.

que permitan reconocer personas y poder prevenir futuros problemas. II-A. Objetivo General Estudiar las distintas formas y mtodos para aplicar el reconocimiento facial por medio de imgenes jas para una posible implementacin en un sistema de acceso por medio de una webcam. II-A1. Objetivo Especico: Determinar las Tcnicas ms usadas para el procesamiento y reconocimiento facial. Determinar los tipos de redes neuronales existentes para el tratamiento de imgenes. Determinar los mejores sistemas de aprendizaje para una Red Neuronal Articial (RNA). Elaborar una sntesis de la(s) mejor(es) aplicacin(es) de RNA para el reconocimiento facial. II-B. Preguntas de Investigacin Cuales son los principales mtodos aplicados en RNA y su aplicacin en Reconocimiento Facial? Cual es la familia de tcnicas para reconocimiento facial? Cual es el mejor sistema de aprendizaje para una RNA? Cuales son las ventajas y desventajas de cada sistema de aprendizaje de una RNA? III. III-A. R EVISIN S ISTEMTICA DE LA L ITERATURA Identicacin de la necesidad de revisin

Palabras Clave Red Neuronal; Redes Neuronales Articiales; Reconocimiento Facial; Captura de Imgenes; Sistema de Seguridad, RNA, RSL. I. I NTRODUCCIN

En este documento se pretende abordar un problema actual como lo es el Reconocimiento Facial por medio de Redes Neuronales Articiales (RNA). Este tema es de un gran inters hoy en da [Salinas and Larraguibel, 2011], ya que en los tiempos en que la informacin y control, es lo ms importante, el poseer sistemas que reconozcan a personas rpidamente para saber si estn autorizadas o no al acceso a un determinado lugar, saber si en un espacio pblico se encuentra alguna persona peligrosa o buscada por ley. Por este motivo se llevar a cabo una revisin sistemtica de la literatura para determinar cuales son los mejores procedimientos, tcnicas, algoritmos y herramientas, adems de establecer los parmetros para la elaboracin de un sistema que permita reconocer a una persona por medio de una imagen utilizando estas RNA. Por este motivo se entablaran los paso necesarios para obtener la seleccin y estudio de artculos relevantes para obtener resultados, exponiendo sus principales caractersticas y aporte a este estudio. Y nalmente, as lograr responder a las preguntas de investigacin y objetivos que se plantearn. II. P LANTEAMIENTO DEL P ROBLEMA

La necesidad del reconocimiento facial se ha hecho importante para una gran variedad de temas como lo son control de acceso (estadios, ocinas, edicios, aeropuertos), seguridad ciudadana, entre otros. Por este motivo es importante comprender cuales son los mtodos mas aplicados y cuales son las herramientas mas tiles para elaborar herramientas

La necesidad de realizar una revisin sistemtica de la literatura, para el desarrollo de esta investigacin es primordial, ya que permitir encontrar los trabajos y estudios realizados hasta la fecha, para determinar cuales son los pasos y caractersticas mas importantes a tratar en el tema. Para esto la investigacin se centrar en los objetivos de la revisin, la determinacin de las fuentes donde buscar estudios primarios, elaborar las palabras clave con las que se realizara la revisin y conocer los criterios usados para asegurar la calidad de los estudios primarios. Para la identicacin de la RSL se plantean los siguientes objetivos e interrogantes: 1. Comprender el concepto de RNA, sus modelos y tcnicas.

En que consisten las RNA? Cuales son los modelos y tcnicas principales en una RNA? 2. Resumir la evidencia existente respecto a como se ha tratado el procesamiento de imgenes utilizando RNA. Cuales son los modelos y tcnicas para tratar imgenes utilizando RNA? 3. Resumir la familia de tcnicas de reconocimiento facial. De las variaciones de tcnicas, determinar cual es la mas adecuada para un sistema de seguridad. III-B. Denicin del Protocolo de Revisin III-B1. Estrategias de bsqueda/extraccin segn cada fuente: Los buscadores bibliogrcos con los que trabajaremos para encontrar la informacin necesaria para llevar a cabo la RSL son los siguientes: Portal ACM IEEE Explore CiteSeer Google Acadmico Las cadenas de texto o preguntas que sern ingresadas en los distintos buscadores se nombraran a continuacin: Face Recognition; articial neural network Face Recognition; articial neural network; Face Recognition ANN; Articial Neural Network Models; Face Recognition survey. III-B2. Estrategias de inclusin y exclusin: Sern excluidos los artculos que no hayan sido publicados en algn journal y/o conferencia ya que deben ser de relevancia para el estudio. Se seleccionarn solo artculos en idioma Ingles y Espaol. Solo se revisarn los primeras 25 resultados de la bsqueda con cada palabra. Se aceptarn solo artculos que posean al menos 10 citas. III-B3. Estrategias de estudio/anlisis/sntesis: Primero se estudiaran los ttulos de cada artculo que aparezca como resultado de la bsqueda en cada fuente con cada palabra (descrita anteriormente), haciendo una preseleccin por este tpico. Luego se estudiaran los resmenes de los distintos artculos preseleccionados para evaluar si son tiles para realizar una RSL ms profunda y dependiendo de la relevancia del contenido registrarla como til para responder a las preguntas o no. Finalmente de los artculos seleccionados sern sometidos a un estudio ms acabado, para luego generar una opinin del porque fueron elegidos. III-B4. Estrategias de registro de resultados: Segn los mencionado anteriormente, segn las restricciones, lugares y tipos de bsqueda se anotarn los lugares, palabras clave, cantidad de coincidencias por la palabra clave buscada, el nombre del artculo y su direccin. Una vez realizadas las bsquedas se proceder a preseleccionar los artculos mas interesantes por titulo, anotando la cantidad de referencias de cada uno, para nalmente de los seleccionados leer sus

resmenes para seleccionar los papes nales con los que se realizar el estudio. Finalmente se elaborar una tabla en el captulo IV-C en la cual se expondr el nombre, motivo de seleccin, cantidad de citas, palabra utilizada en la bsqueda y fuente de origen. III-B5. Protocolo de Revisin: Segn lo estipulado en este captulo, se realizar una sntesis de datos en el captulo ??, la cual ser descriptiva, por lo que se expondr una sntesis del estudio de los artculos elegidos (ver seccin IV-B1), buscando responder a las preguntas de investigacin planteadas en las seccin II-B. IV. D ESARROLLO DE LA R EVISIN S ISTEMTICA DE LA L ITERATURA

En este captulo se aplicarn todo lo expuesto anteriormente en el documento, como lo visto en el captulo III, donde se entablaron los pasos y restricciones para la seleccin de los documentos de estudio. Con todo lo anterior se han elaborado una series de cuadros que se vern en los siguientes puntos, en donde se plantear todo el proceso que se llevo a cabo para la eleccin de los artculos nales, explicando porque se ha elegido cada uno. Y con los cual se realizaran nalmente el estudio y obtencin de resultados. IV-A. Identicacin de la Investigacin

Para la seleccin de artculos y documentos relevantes para el desarrollo del tema se presenta el Cuadro I, en el que se listan el tipo de fuentes consultadas y los datos de la documentacin como lo son el origen, la fecha, tipo de bsqueda y fechas en que se publicaron los artculos consultados. Todo esto permitir delimitar los pasos previos a la bsqueda de los documentos relevantes para esta investigacin.
Fuente de Datos Librera Digital IEEExplore Librera Digital ACM Librera Digital Citeseer Librera Digital Google Academic Documentacin Bsqueda por Palabra Clave Bsqueda 29 abril - 1 junio 2011 Fechas Papers: 1970 - 2011 Bsqueda por Palabra Clave Bsqueda 29 abril - 1 junio 2011 Fechas Papers: 1970 - 2011 Bsqueda por Palabra Clave Bsqueda 29 abril - 1 junio 2011 Fechas Papers: 1970 - 2011 Bsqueda por Palabra Clave Bsqueda 29 abril - 26 junio 2011 Fechas Papers: 1970 - 2011

Cuadro I F UENTE DE DATOS PARA LA REVISIN

IV-B.

Seleccin de Estudios Primarios

El proceso de seleccin que se describe a continuacin se presenta en un principio con el Cuadro II, el cual lista las fuentes consultadas, las palabras claves que se han aplicado en cada fuente y nalmente la cantidad de coincidencias para esa clave en la librera digital.

No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Fuente IEEExplore IEEExplore IEEExplore IEEExplore IEEExplore ACM ACM ACM ACM ACM Citeseer Citeseer Citeseer Citeseer Citeseer Google A. Google A. Google A. Google A. Google A.

Clave de Bsqueda Articial Neural Network Models Face Recognition Articial Neural Network Face Recognition Face Recognition ANN Face Recognition survey Articial Neural Network Models Face Recognition Articial Neural Network Face Recognition Face Recognition ANN Face Recognition survey Articial Neural Network Models Face Recognition Articial Neural Network Face Recognition Face Recognition ANN Face Recognition survey Articial Neural Network Models Face Recognition Articial Neural Network Face Recognition Face Recognition ANN Face Recognition survey

Resultados 17.191 13.734 609 81 95 42.634 3.3700 6.018 2.692 1.380 71.301 35.667 56.671 45.508 83.746 634.000 2.510.000 73.700 873.000 1.540.000

IV con sus descripciones y caractersticas, para su mejor entendimiento.

Titulo Publicacin Fecha Autores Citas Observacin Titulo Publicacin Face recognition across pose: A review [Zhang and Gao, 2009] Journal: Elsevier 11 Noviembre 2009 Xiaozheng Zhang; Yongsheng Gao 31 Este artculo permite responder a la segunda, y parte de la primera pregunta de investigacin. Face Recognition System using Articial Neural Networks Approach [Nazeer et al., 2007] Conferencia: Signal Processing, Communications and Networking, 2007. ICSCN 07. International Conference on 22-24 Febrero 2007 Nazeer, S.A. ; Omar, N. ; Khalid, M. 13 Este documento ayuda a responder la primera, tercera y cuarta pregunta de investigacin Face recognition: A literature survey [Zhao et al., 2003] Journal: ACM Computing Surveys Diciembre 2003 W. Zhao, R. Chellappa, P. J. Phillips, A. Rosenfeld 2989 Este artculo ayuda a responder la segunda pregunta de investigacin Articial Neural Networks A Tuturial [Jain et al., 1996] Journal: IEEE Computer Society Marzo 1996 Jain, A.K.; Jianchang Mao; Mohiuddin, K.M. 577 Este documento ayudara para responder parte de las primera, tercera y cuarta pregunta de investigacin. Neural Network-Based Face Detection [Rowley et al., 1998] Journal: IEEE Computer Society 1998 Henry A. Rowley, Student Member, Shumeet Baluja, Takeo Kanade 2790 Este documento ayudara a responder parte de las tres primeras preguntas de investigacin. Cuadro IV E STUDIOS E LEGIDOS PARA LAS RSL

Fecha Autores Citas Observacin Titulo Publicacin Fecha Autores Citas Observacin Titulo Publicacin Fecha Autores Citas Observacin Titulo Publicacin Fecha Autores Citas Observacin

Cuadro II B SQUEDA POR PALABRA CLAVE EN L IBRERA D IGITAL

Finalmente, como se ve en el Cuadro III se presentan la cantidad total de resultados en cada librera digital, el rango de tiempo de la consulta de documentos y siguiendo las restricciones puestas anteriormente en la seccin III-B2, se ingresa la cantidad de resultados relevantes, y la cantidad de resultados que nalmente fueron elegidos para la revisin nal, adems de poner el porcentaje elegido (seleccionado) respecto a cada librera digital.
Fuente ACM (DL) IEEE (DL) Citeseer (DL) Google Ac. (DL) Fecha (2011) 29 abr-1 jun 29 abr-1 jun 29 abr-1 jun 29 abr-26 jun Total Total 86.424 31.710 292.893 5.630.700 6.041.727 Relevante 12 17 11 0 45 Elegido 2 2 1 5 5 % 40 40 20 0 100

Cuadro III
CANTIDAD DE ESTUDIOS ELEGIDOS POR CADA FUENTE

El motivo de porque no se ha elegido ningn artculo de la bsqueda en Google Acadmico a pesar de que los resultados con palabra clave son bastante grandes es porque muchos resultados de los encontrados hacan referencia a documentos ya seleccionados en otras libreras digitales (LD), por lo cual se omitieron ya que no en esta seleccin no hay redundancia (rerindose a la seleccin segn los criterios presentados en III) de artculos encontrados en una u otra librera digital. Y por ltimo, los encontrados relevantes no fueron seleccionados ya que se opt por otros mas relevantes en otras libreras digitales. IV-B1. Extraccin y Monitoreo: En esta seccin se expondrn los artculos elegidos segn el proceso de RSL realizado anteriormente y las restricciones expuestas en la seccin III-B2, describiendo sus partes, nmero de citas e indicar a que preguntas de investigacin ayuda a responder; para la presentacin de estos documentos, se genera el cuadro

IV-C.

Sntesis de estudios primarios

La RSL consiste primero en denir los sitios de donde se extrajeron los documentos analizados (planteados y descritos en III-B1) donde tambin se denieron las cadenas de texto ingresadas para consultar en los sitios y obtener los resultados. Posteriormente se denien los criterios con los que se ltran los resultados obtenidos en las bsquedas (ver III-B2) y as tambin se dene la estrategia con la cual se analizan los artculo para su seleccin nal (ver III-B3). Por ltimo se explica la metodolgica para registrar los resultados obtenidos de la bsqueda segn los parmetros descritos (ver III-B4). En el captulo IV se exponen los resultados obtenidos, luego de aplicar todos los puntos denidos en el captulo III, los que comprenden los cuadros de las fuentes de datos junto a las

fechas de consulta y mtodos de bsqueda aplicado, cantidad de resultados por cadena de texto consultada, para nalmente generar el cuadro resumen en el que se presentan la cantidad de artculos encontrado, relevantes y excluidos por cada fuente. y nalmente se presentan los cuadros descriptivos de los artculos elegidos, con su nombre, autores, fecha, publicacin, entre otros (IV-B1). IV-C1. Face recognition across pose: A review [Zhang and Gao, 2009]: Este documento es una categorizacin de las tcnicas de reconocimiento facial, deniendo los problemas, evaluaciones y clasicaciones, para continuar con una descripcin de tcnicas y variaciones de estas. Luego continua con una descripcin ms detallada del procesamiento de imgenes en 2D para detectar los rostros en imgenes que presentan a las personas con una posicin de la cara que no sea de frente; presentando las tcnicas y mtodos que pueden llevarse a cabo para solucionar esta problemtica. Esta revisin continua con el reconocimiento facial por medio del modelado en 3D, lo que involucra detectar puntos especcos para generar patrones de coincidencia en las imgenes a procesar y detectar. Finalmente se puede decir que este artculo se centra en lo que es el reconocimiento facial, sus restricciones y complicaciones, que son necesarias para tomar en cuenta a la hora de realizar un sistema para reconocer rostros en imgenes jas. Tambin toma en cuenta los distintos modelos disponibles para un sistema de reconocimiento facial, adems de mencionar las tcnicas, metodologas y sus ventajas y desventajas. IV-C2. Face Recognition System using Articial Neural Networks Approach [Nazeer et al., 2007]: Este artculo propone un esquema y uso un mtodo para el reconocimiento facial por medio de redes neuronales. En este sentido propone un mtodo que se compone de varios mdulos, los cuales son la adquisicin de imgenes, deteccin de rostros, de formacin, reconocimiento y vericacin. Los autores describen cada fase que se llevara a cabo para el procedimiento completo, como lo son las ecuaciones y ltrado para normalizar los pxeles de la imagen, luego describen como se procesarn y extraern las caractersticas. Una vez denido el tratamiento de la imagen describe algunos modelos de RNA, y las distintas formas de entrenamiento y clasicacin de resultados en estas redes, nalizando por la seleccin de su eleccin. Finalmente presenta los resultados obtenidos en el procesamiento y aprendizaje de la red, segn los datos y elecciones propuestas. Este artculo se centra en todo el concepto de la aplicacin y uso de las RNA en el reconocimiento facial, explicando como se procesan y representan los datos, as como se usa el conocimiento que generan estas redes. Si bien este artculo es el menos diferenciado de los propuestos, es seleccionado para esta revisin por otorgar un punto de vista y aplicacin en concreto de lo que es el reconocimiento facial aplicado en Redes neuronales, lo cual otorga un indicio claro de los pasos que deben realizarse para llevar a cabo el desarrollo y puntos a tener en cuenta para la aplicacin del mismo.

IV-C3. Face recognition: A literature survey [Zhao et al., 2003]: Este artculo realiza una recopilacin estudios disponibles en la literatura acerca de tcnicas de reconocimiento facial, el cual ayuda a comprender las distintas tcnicas y aplicaciones del reconocimiento facial. Lo primero que se realiza es una tabla presentando las aplicaciones disponibles para el proceso de reconocimiento facial y describiendo en que se basa en trminos generales el reconocimiento facial. Luego lo que realiza es un anlisis del proceso de reconocimiento facial que se realiza en el sistema nervioso humano, para continuar con el tema de reconocimiento de rostros para imgenes jas, profundizando en lo que es la deteccin de rostros y extraccin de caractersticas. Despus presenta el tema del reconocimiento facial en secuencias de imgenes, abriendo el estudio al mismo tema pero enfocado a tcnicas basadas en vdeo, permitiendo as detectar rostros en secuencias continuas de imgenes, logrando realizar una deteccin y seguimiento de rostros en movimiento. Posteriormente realiza una evaluacin a los distintos sistemas de reconocimiento facial existente, en base a una serie de protocolos especicados en el documento. FFinalmente realiza el estudio cuando en la imagen existen diferencias de iluminacin o cambio de posicin del rostro en la imagen capturada, presentando los requerimientos y tcnicas para solucionar dichos cambios en la imagen. IV-C4. Articial Neural Networks A Tuturial [Jain et al., 1996]: Este artculo comienza con una pregunta importante Por qu una red neuronal?, describiendo lo importante y los puntos que la componen, adems de entregar una revisin histrica y un resumen de este paradigma de aprendizaje. Presenta los distintos esquemas y funciones existentes para las RNA, aprendizaje y reglas de correccin de errores; para luego presentar los algoritmos de aprendizaje mas importantes para este tipos de redes. Y naliza presentando algunas de las aplicaciones en las que se ha estudiado la implementacin de las RNA. Este documento ha sido seleccionado ya que est orientado a la incorporacin en el tema de las redes neuronales articiales al lector, por lo que resulta de extrema importancia para la interiorizacin del tema propuesto anteriormente. Presenta todos los conceptos, esquemas y algoritmos que conllevan las RNA, abarcando de manera profunda, lo que estas implican, y la muestra de algunas aplicaciones e investigacin que se han llevado a cabo en relacin al tema, permitiendo centrar aun mas el conocimiento y llegar aun mas a una solucin en particular al tema propuesto. IV-C5. Neural Network-Based Face Detection [Rowley et al., 1998]: En este documento presentan un esquema para el tratado de la imagen, en lo que es la divisin en sub-cuadros, aplicando las redes neuronales para realizar un ltrado de cuadros que no sean relevantes para el tratamiento del mismo. Luego aplica un sistema de superposicin de cuadros para realizar la comparativa de rostros, con lo que luego realiza las pruebas y anlisis de resultados. Se ha seleccionado este artculo por ser un documento en el cual se centra en la aplicacin y utilizacin de RNA para

la deteccin de rostros, utilizando tcnicas de entrenamiento para la Red, algoritmos de aprendizaje y una comparacin de las distintas tcnicas de deteccin de rostros. Adems que aplica una tcnica para la deteccin de mltiples rostros en una imagen, a diferencia de los estudios comunes en esta rea que son para la deteccin de un rostro centrado en la imagen. Este tema es muy tratado hoy en da por los sistemas web social como lo son Picasa de Google [Google, 2011] o el sistema de etiquetado de Facebook [Facebook, 2011], los cuales detectan los rostros de las personas en las imgenes para luego ser nombradas o referenciadas en ellas. V. C ONCLUSIN

En este documento de realiz el estudio de la documentacin formal, para tratar el tema expuesto, con los cuales se eligieron cinco artculos publicados en conferencias y journals (ver IV-B1), que poseen informacin relevante segn lo expuesto en el capitulo IV-C, con lo que se cumple la etapa correspondiente a esta RSL para el estudio del tema. Los artculos elegidos, abordan los temas de Reconocimiento Facial (RF), Redes Neuronales y combinaciones de ellas, abordando una basta gama de caractersticas de ambos contextos, mtricas y tambin pruebas e implementaciones, lo que permite conocer y comprender el basto mundo de este tipo de problemas, viendo el camino mas adecuado para realizar el estudio, enfocndose en investigar y desarrollar temas no propuestos o utilizar e incluso mejorar distintas tcnicas para evaluar y/o mejorar procesos ya existentes. Por este motivo, son tiles para encaminarse en el desarrollo de un documento, conteniendo una buena fuente de informacin de estudio en un tema tan relevante hoy en da como lo es este. En primer lugar se seleccion un artculo que aborda una revisin bastante completa de lo que es el Reconocimiento Facial [Zhang and Gao, 2009], estudiando los algoritmos, tcnicas, mtricas y aplicacin, con lo que permite entender los requerimientos para trabajar con este tema y tener una visin para elegir la tcnica mas apropiada segn los requerimientos a aplicar, ya que contempla todos los tipos de imgenes y formas en las que pueden aparecer los rostros en estas. Un segundo artculo seleccionado tambin contempla lo que es el Reconocimiento Facial, pero en este caso, es una revisin de la literatura [Zhao et al., 2003], la cual presenta los estudios que se han llevado a cabo para el procesamiento de rostros hasta el momento, la importancia central de la seleccin de este documento, es tener un conocimiento de lo que se ha realizado, para evaluar la posibilidad de mejora en alguna tcnica o elaboracin de una que no haya sido realizada. El tercer documento seleccionado, se enfoca particularmente en lo que son las Redes Neuronales Articiales (RNA) [Jain et al., 1996], ya que el propsito de ste tema es estudiar la creacin de un sistema que permita reconocer rostros desde imgenes a travs del uso de RNA, por lo que tener el conocimiento sobre como se utilizan, se representan los datos y las distintas tcnicas y herramientas para su uso y aplicacin ha sido de mucha ayuda para poder generar el conocimiento necesario respecto al tema.

Como cuarto artculo elegido, ha sido uno enfocado en la aplicacin de un mtodo de reconocimiento facial usando una de las tcnicas de RNA [Nazeer et al., 2007], el aporte de este documento es que realiza un estudio completo de como llevar a cabo el desarrollo del sistema, entre otras cosas, toma un enfoque practico mas que terico sobre el tema, lo cual entrega una idea de los pasos necesarios para llevar a cabo un sistema de este tipo. Por ultimo, el artculo de [Rowley et al., 1998] Neural Network-Based Face Detection, entrega un enfoque que hace pocos aos se ha estado masicando, con el uso de las redes sociales como Facebook [Facebook, 2011] y Google+ [Google, 2011], el cual es el proceso de deteccin de mltiples rostros en una misma imagen, a diferencia de las tcnicas expuestas en los otros artculos, que se centran en el reconocimiento de una sola persona, por lo general un rostro que cubre el mximo de espacio de la imagen. Este artculo permite estudiar y comprender un nuevo enfoque aplicado tambin con RNA. El proceso de Reconocimiento facial, es un tema que se ha tomado en cuenta durante mucho tiempo, por lo que la informacin existente es bastante, pero a pesar de esto, existen muchas variantes de tcnicas, mtodos y necesidades de uso, y a pesar de que lleve tiempo el estudio de estas tcnicas, no se ha hecho todo lo posible, segn avancen las tecnologas, aparecern nuevas interrogantes y necesidades, pero teniendo en cuenta la documentacin presentada en este estudio, es posible hacerse una idea de los temas tratados y los no tratados, como tambin lo que se pueden mejorar de una u otra manera. Este es un tema que mientras se avance en la tecnologa y estudios, mejores y mas precisos sern los sistemas que se creen y por ende los mismos investigadores se vern en la necesidad de actualizar sus resultados y datos segn estos cambio. VI. T RABAJO F UTURO En este documento se ha presentado todo el proceso de una RSL, con lo cual queda pendiente el tema de realizar el estudio propiamente tal, para responder a los objetivos planteados sobre el tema y as generar un nuevo aporte al estudio de este tema. B IBLIOGRAFA
[Facebook, 2011] Facebook (2011). Facebook inc. [Google, 2011] Google (2011). Picasa inc. [Jain et al., 1996] Jain, A., Mao, J., and Mohiuddin, K. (1996). Articial neural networks: a tutorial. Computer, 29(3):3144. [Nazeer et al., 2007] Nazeer, S., Omar, N., and Khalid, M. (2007). Face recognition system using articial neural networks approach. In Signal Processing, Communications and Networking, 2007. ICSCN 07. International Conference on, pages 420425. [Rowley et al., 1998] Rowley, H. A., Member, S., Baluja, S., and Kanade, T. (1998). Neural network-based face detection. IEEE Transactions On Pattern Analysis and Machine intelligence, 20:2338. [Salinas and Larraguibel, 2011] Salinas, R. and Larraguibel, L. (2011). Red neuronal de arquitectura paramtrica en reconocimiento de rostros. [Zhang and Gao, 2009] Zhang, X. and Gao, Y. (2009). Face recognition across pose: A review. Pattern Recogn., 42:28762896. [Zhao et al., 2003] Zhao, W., Chellappa, R., Phillips, P. J., and Rosenfeld, A. (2003). Face recognition: A literature survey. ACM Comput. Surv., 35:399458.