Características híbridas DWT, PCA e ICA para el reconocimiento facial mediante RNA

El reconocimiento facial juega un papel importante en la identificación personal basada en la biometría. La técnica de reconocimiento biométrico actúa como un método eficiente y amplias aplicaciones en el área de recuperación de información, banca automática, y el control de acceso a las áreas de seguridad y así sucesivamente. El método propuesto se basa en el Análisis de Componentes Principales (PCA) de la imagen con una combinación de detalles de DWT. Este enfoque reduce los requisitos de almacenamiento y el tiempo de cálculo, al tiempo que preserva los datos. El esquema propuesto explota las capacidades de extracción de características de la Descomposición por Transformada Wavelet Discreta e invoca ciertas técnicas de normalización que aumentan su robustez frente a variaciones en la geometría facial y la iluminación. Tradicionalmente, para representar el rostro humano, el PCA se realiza sobre toda la imagen facial. La red neuronal y el clasificador K-NN se utilizan para clasificar las características y la medida de similitud se realiza mediante la distancia euclidiana. Los resultados experimentales muestran que el método propuesto es eficaz y posee varias propiedades deseables cuando se compara con muchos algoritmos existentes. El enfoque PCA-DWT-ICA-híbrido se evalúa en MATLAB utilizando la base de datos de rostros de Yale.