Las personas usamos todos los días el sentido de la vista para obtener información de nuestro
alrededor, observando objetos y apreciando sus detalles. Es una habilidad que usaremos de forma continuada a lo largo de nuestras vidas. Esto ha motivado la búsqueda de alternativas artificiales, no obstante, los algoritmos para emular el funcionamiento de la visión humana en una máquina son complejos, siendo tradicionalmente uno de los principales obstáculos la robustez.
Sólo en los últimos años, con la popularización de los algoritmos de aprendizaje profundo y las redes neuronales convolucionales, puede afirmarse que el problema está cerca de ser resuelto. Así existen, por ejemplo, soluciones comerciales para sistemas de vigilancia, sistemas de control de calidad en fábricas, sistemas de seguridad, o sistemas de navegación, entre otros. En muchas ocasiones, estas soluciones comerciales basadas en visión incluyen algoritmos destinados al procesamiento de información referida a la persona. Uno de los temas a los que se ha prestado más atención es la detección de caras, ya que esta es una fuente muy importante de información, por ejemplo, edad, género, estado emocional e información biométrica de un sujeto. Debido a esto, esta área ha recibido una atención considerable en los últimos años.
El objetivo de esta Tesis Doctoral es desarrollar un sistema de detección de ojos embebido que será usado en el marco de un sistema de identificación por reconocimiento de iris a distancia. Se exploran varios métodos y se implementan dos soluciones, una usando el popular algoritmo de Viola Jones y otra basada en redes neuronales convolucionales, todo esto en una plataforma hardware cuyo núcleo es un MPSoC (Multiprocessor System-on-Chip) y haciendo uso de sus recursos como son la FPGA (Field Programable Gate Array) y los procesadores ARM.
Buscar en Dimension