Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/11265| Title: | RECONOCIMIENTO AUTOMÁTICO DE PUNTOS ANATÓMICOS DE REFERENCIA EN IMÁGENES DE ROSTROS |
| Authors: | ARIAS CASTILLO, JUAN |
| metadata.dc.subject.other: | Fenotipado facial, inteligencia artificial, MediaPipe, procesamiento de imágenes, reconocimiento automático de landmarks |
| Issue Date: | 2023-11-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico Superior de Misantla |
| Description: | La identificación precisa de puntos anatómicos de referencia faciales es crucial para diversas aplicaciones biométricas, forenses y antropométricas. Sin embargo, la detección confiable de estos puntos representa un desafío, particularmente en la población mexicana, debido a la falta de estándares definidos. El objetivo de esta investigación fue desarrollar e implementar algoritmos para la identificación y ajuste automático de landmarks en imágenes de rostros femeninos de nacionalidad mexicana. La metodología consistió en cinco etapas. En el primer paso se generó un conjunto de datos de 5000 imágenes faciales de individuos mexicanos, las cuales fueron analizadas y marcadas manualmente por observadores expertos de la ENaCiF siguiendo su protocolo que contempla 36 landmarks. Después, se empleó la herramienta MediaPipe para la identificación de 25 landmarks equivalentes al protocolo de la ENaCiF. Posteriormente, se realizó un análisis estadístico comparando los valores de MediaPipe con los de los observadores expertos. Después, se desarrollaron e implementaron siete algoritmos de ajuste de landmarks, basados en métodos estadísticos y de inteligencia artificial. Finalmente, se evaluó la precisión de los algoritmos desarrollados utilizando como métricas de evaluación: el coeficiente de variación de Pearson, el RMSE, el R2 y el porcentaje de ajuste. Los resultados demuestran la efectividad de los algoritmos para lograr un ajuste superior al 75% en la mayoría de landmarks y superior al 90% en los landmarks oculares. Sin embargo, persisten limitaciones importantes en la precisión de landmarks mandibulares, debido a la alta variabilidad. Adicionalmente, se diseñó una interfaz de usuario con el objetivo de poner a disposición de estudiantes e investigadores los resultados obtenidos en esta investigación. En conclusión, esta investigación representa un avance significativo en la estandarización de landmarks faciales en mujeres mexicanas. fenotipado facial, inteligencia artificial, MediaPipe, procesamiento de imágenes, reconocimiento automático de landmarks |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Maestria en sistemas computacionales |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| JUAN ARIAS CASTILLO.pdf Until 4024-09-10 | TESIS | 156.95 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
