Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LINEAL
RECONOCIMIENTO DE
ROSTRO
NOCIONES DE PARTIDA
V espacio vectorial dm n .
base ortonormal de V
n
Si x pertenece a V
Si en particular
V R
x ci vi
i 1
nx1
; ci x, vi
ci x, vi xT vi
T R nxn
T1
diagonaliza ortogonalmente :
T1 AT A VDV T
con columnas base ortonormal
R n de
V v1 v2 ... vn
Idem
T2 AAT (mxm)
T
T
diagonaliza ortogonalmente:
T
AA
UDU
T2
2
con columnas base ortonormalmde
U u1 u2 ... u m
Propiedades
Sea Rgo( A) r
,
T
nxn
T
mxm
A
A
R
;
AA
R
Las matrices simetricas
, 2 ,..., r
tienen los mismos valores propios no1nulos
Los vectores propios asociados
AT A a y AAT
Av 2
Av r
estan vinculados por: Av1
u1
, u2
,..., ur
1
2
r
Los vectoresu , u ,.., u
forman una base
1
2
r
T
ortonormal del espacio columna
d i1A,diluego
Ai g i de
...
d
2
ir
es el vector coordenado Ade
respecto a dicha
i
base.
Un poco de estadistica
Sea: X X 1 X 2 ... X n (mxn)
matriz de datos
,
~valor medio, correlacion
~
~ T
T
X E X ; R E XX ; C E ( X X )( X X )
covariancia
1 n
~
M X
(mx1); deX los
Mdatos
M ...
M (mxn)
i partir
Calculados
a
resultan:
n i 1
R
1
XX T
n
; C
1
~
~
( X X )( X X )T
n
matrices mxm
Matriz de Covariancia
En la matriz de covariancia se
resumen la variabilidad de los datos
y la informacion relativa a las
relaciones lineales entre las
variables.
La matriz de covariancia es
cuadrada, simetrica y semidefinida
positiva por lo tanto diagonaliza
ortogonalmente.
PROBLEMA PLANTEADO
Dado un conjunto de imgenes de
rostro etiquetados con la identidad
de la persona (conjunto de
entrenamiento) y un conjunto sin
etiquetar de imgenes de rostros del
mismo grupo de personas (conjunto
test) , identificar cada persona de
este ultimo grupo.
Solucion
La idea es encontrar los vectores que mejor
representen a las imgenes de los rostros dentro de
todo el espacio imagen. Ellos definen el subespacio de
las imgenes de rostro: el face space, y dentro de este
subespacio, los que corresponden a nuestro conjunto
de entrenamiento.
Supongamos tener n imgenes (pxq) de rostros de
entrenamiento . Con este conjunto armaremos la
matriz de datos X, cuyas columnas sean la
1
~
~
representacion vectorial de dichas
imgenes.
C ( X X )( X X )T
Se calcula la matriz de covariancia n
~, los eigen-face formaran una
cuyos vectores propios
X X
base del espacio columna de
Base de DATOS
ORL: Olivetti Research Laboratory
-Cambridge UK
10 imagenes distintas de cada uno de 40
sujetos con variaciones menores de
iluminacion, expresion del rostro, postura
Cada imagen es de 112x92 pixels con 8
bits de niveles de gris
Se utilizaron 10 imagenes de s1 a s10
tomando de cada una Ii=imread(1.pgm)
base de DATOS.fig
base de datos
ROSTRO PROMEDIO
M es una columna promedio
(10304x1) que representa el rostro
promedio.
Para visualizarlo, llevo esta columna
a ser nuevamente una matriz
112x92
MM=reshape(M,112,92)
Rostro Promedio
AUTOVALORES
A los fines de trabajar con los autovalores ,
se arma la matriz T=ATA (10x10) y se
calcula [V,D]=eig(T)
Los valores propios son los elementos de la
diagonal principal de D (matriz diagonal) a
los cuales se los ordena de mayor a menor .
A la vista de la matriz D resulta:
c1=D(10,10) , c2=D(9,9)y de igual forma
a los vectores propios: v1=V(:,10);
v2=V(:,9)..
0.0000
0
0
0
0
0
0
0
0
0
0 90.8927
0
0
0
0
0
0
0
0
0
0 113.0817
0
0
0
0
0
0
0
0
0
0 118.7217
0
0
0
0
0
0
0
0
0
0 161.7505
0
0
0
0
0
0
0
0
0
0 180.1657
0
0
0
0
0
0
0
0
0
0 228.2964
0
0
0
0
0
0
0
0
0
0 303.0239
0
0
0
0
0
0
0
0
0
0 363.4151
0
0
0
0
0
0
0
0
0
0 456.3304
EIGENFACES
Para encontrar las eigenfaces se
Av
u
con
toman los vectores
EIGENFACES
Ejemplo 1
Se tomo del archivo s7 la imagen
I=imread(7.pgm)
Realizado el proceso indicado
anteriormente , calculado su vector g
de coordenadas respecto a la base
de eigenfaces y las distancias
euclideanas respecto a los vectores
coordenados de los rostros usados en
la base de datos, resultaron:
IMAGENES EJEMPLO 1
Ejemplo 2
Se tomo del archivo s1 la imagen
I=imread(5.pgm)
Realizado el proceso indicado
anteriormente , calculado su vector g
de coordenadas respecto a la base
de eigenfaces y las distancias
euclideanas respecto a los vectores
coordenados de los rostros usados en
la base de datos, resultaron:
corresponde al rostro 1
IMAGENES EJEMPLO 2
Ejemplo 3
Se tomo del archivo s20 la imagen
I=imread(8.pgm)
Realizado el proceso indicado
anteriormente , calculado su vector g
de coordenadas respecto a la base
de eigenfaces y las distancias
euclideanas respecto a los vectores
coordenados de los rostros usados en
la base de datos, resultaron:
Resultados Ejemplo 3
LH =
( 1.0e+005 )*
0.3859
0.5568
1.4624
0.3441
0.4907
0.2667
0.2525
0.2460
0.3308
Se observa que todos los valores de distancia son muy grandes. Con
un umbral razonable (ej.: 500) podemos asegurar que el rostro del
Ejemplo 3 no se corresponde con ningun rostro de nuestra base de
datos.
IMAGEN EJEMPLO 3