1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis Doctorado
7. Tesis de Doctorado en Computación

Título:	Modelo de diferenciación de orejas humanas naturales, mediante imágenes
Autor:	López Hernández, Eydi%991824
metadata.dc.subject.other:	Diferenciación de oreja humana, extracción de textura, LBP, VGG19, modelo 4C
Data:	2026-06-08
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição:	las últimas décadas. Entre sus ventajas se encuentran la estabilidad morfológica en el tiempo y la posibilidad de captura sin contacto físico. Por ello, se utiliza como rasgo biométrico para los sistemas de reconocimiento de personas. No obstante, al igual que otras modalidades biométricas, los sistemas basados en oreja pueden ser vulnerables a ataques de presentación (PAs), especialmente ante el acceso creciente a técnicas de impresión 3D y a modelos generativos. En el contexto anterior, la presente tesis propone un modelo computacional para diferenciar entre orejas humanas naturales y artificiales mediante imágenes, en escenarios controlados y no controlados. Como parte de la investigación, se conformó el Conjunto de Imágenes de Orejas Humanas Naturales y Artificiales (CIOHNA), integrado por muestras naturales provenientes de cuatro conjuntos públicos y capturas propias, así como por muestras artificiales generadas a partir de dibujos, impresiones 3D, imágenes sintéticas e imágenes producidas mediante herramientas de inteligencia artificial. La solución propuesta se organiza en dos etapas principales. La primera corresponde a la localización de la oreja. Para ello, se integra un enfoque híbrido que combina MediaPipe, utilizado para identificar puntos faciales de referencia, con el modelo YOLOv5s entrenado para detectar orejas humanas. A partir de los puntos faciales se estiman las dimensiones de la oreja con base en las proporciones antropométricas propuestas por Leonardo da Vinci, mientras que YOLOv5s actúa como mecanismo complementario cuando los puntos faciales no son suficientes o no pueden ser localizados adecuadamente. Esta etapa fue evaluada con imágenes provenientes de conjuntos públicos y capturas propias, considerando condiciones controladas y no controladas, alcanzando Exactitud de 97.00 %, Precisión de 99.00 %, Recall de 96.00 % y F1-score de 97.00 %. La segunda etapa aborda la clasificación entre orejas humanas naturales y artificiales como estrategia de detección de ataques de presentación. Para ello, se propone el Modelo 4C, basado en una representación de cuatro canales compuesta por la imagen RGB y un canal adicional de textura generado mediante Patrones Binarios Locales (LBP). La representación se integra a la red neuronal convolucional VGG19 modificada para procesar la entrada RGB + LBP. En la evaluación experimental, el Modelo 4C alcanzó una exactitud global de 98.33 %, superando al modelo de referencia basado únicamente en RGB. Asimismo, desde la perspectiva PAD, obtuvo APCER de 2.36 %, BPCER de 0.97 % y ACER de 1.67 %, lo que evidencia una reducción de errores tanto en seguridad como en usabilidad. En conjunto, la tesis aporta tres elementos principales: la construcción del conjunto CIOHNA, un método híbrido para la localización automática de la oreja y el Modelo 4C para la diferenciación entre orejas naturales y artificiales.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Aparece nas colecções:	Tesis de Doctorado en Computación

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons