In this thesis we make a review of the algorithm proposed by Moghaddam et al. for unsupervised face detection [Moghaddam95a] and for the complementary process of face recognition in [Moghaddam96]. Even if we do not make a contribution, we were able to confirm the reported performance on face recognition in an implementation of our own, applying some simplifications to Moghaddam's development. However, as for face detection and recognition combined, performance found was not even close to what was indicated in these papers. We think this behavior is due to high dependency of the detection algorithm on relative size between faces in general images we used for testing. This low performance is carried over the face recognition process, working against global performance. The referred unsupervised visual learning techniques are based on density estimation in high-dimensional spaces using an eigenspace decomposition. A multivariate Gaussian probability density is used for modeling training data and, later, is used to formulate a maximum-likelihood estimation framework for visual search and target detection for automatic object recognition. Specifically to face recognition, the maximum-likelihood estimator is used to calculate a similarity measure based on a Bayesian analysis of image differences. We model two mutually exclusive classes of variations between two facial images: intrapersonal (variations with respect to different expressions or lighting) and interpersonal (variations with respect to a difference in identity).
En el presente trabajo se revisa el algoritmo propuesto por Moghaddam et al. en [Moghaddam95a] para la detección automática de rostros y para el proceso complementario de reconocimiento facial en [Moghaddam96]. Aunque no se proporciona una aportación nueva se pudo comprobar en una implementación propia, aplicando varias simplificaciones al desarrollo original de Moghaddam, el desempeño reportado en cuanto al reconocimiento facial se trata. Sin embargo, en cuanto a la combinación de detección y reconocimiento automáticos, el desempeño encontrado fue menor a lo indicado en las referencias citadas, debido principalmente a la dependencia tan alta que el algoritmo de detección presenta con relación al tamaño relativo entre los rostros de las imágenes de prueba utilizadas. Este bajo desempeño se traslada hacia el proceso de reconocimiento, en detrimento del desempeño global. Las técnicas automáticas de aprendizaje visual referidas se basan en la estimación de densidades de probabilidad en espacios de alta dimensión, utilizando una descomposición de espacios característicos (eigenspaces). La densidad de probabilidad de los datos de entrenamiento se modela con una distribución normal/Gaussiana multivariada, la cual se emplea posteriormente para formular un estimador de máxima verosimilitud para la detección de rostros y su reconocimiento automatizado. Con relación al proceso de reconocimiento facial, el estimador de máxima verosimilitud se emplea para calcular una medida de similitud basada en un análisis Bayesiano de diferencias de imágenes. Se modelan dos clases mutuamente exclusivas de variación entre dos imágenes de rostros: intrapersonales (variaciones en la apariencia de un individuo, debidas a cambios en la expresión o en la iluminación) e interpersonales (variaciones en la apariencia debidas a diferencias en la identidad).
