Reconocimiento de Huellas DactilaresIntroduccinLa identificacin por huella dactilar es una de las biometras ms conocidas y publicitadas. Gracias a su unicidad y constancia en el tiempo las huellas dactilares han sido usadas para la identificacin por ms de un siglo, mas recientemente volvindose automatizada (ej. biomtrica) debido a los avances en las capacidades de computacin. La identificacin por huellas dactilares es popular por su inherente comodidad de adquisicin, las numerosas fuentes disponibles para recoleccin (diez dedos), y su establecido uso y recoleccin por parte del orden pblico e inmigracin.ResumenPor ms de un siglo, las huellas dactilares han sido uno de los mtodos ms usados para el reconocimiento humano; los sistemas biomtricos automatizados han estado disponibles solamente en estos ltimos aos. La determinacin y compromiso de la industria, las evaluaciones y las necesidades del gobierno, y los cuerpos organizados de los estndares han conducido a la siguiente generacin en reconocimiento de huellas dactilares, que promete dispositivos ms rpidos y de ms alta calidad de adquisicin para producir una exactitud ms alta y mayor confiabilidad. Porque las huellas dactilares tienen una aceptacin generalmente amplia entre el pblico en general, el orden pblico, y la comunidad de ciencia forense, continuarn siendo utilizadas por los sistemas legados de muchos gobiernos y sern utilizadas en los nuevos sistemas para los usos y aplicaciones que requieren una biometra confiable.HistoriaEl uso prctico de huellas dactilares como mtodo de identificacin de individuos ha sido utilizado desde finales del siglo 19 cuandoSir Francis Galtondefini algunos de los puntos o caractersticas desde las cuales las huellas dactilares podan ser identificadas. Estos "puntos Galton" son la base para la ciencia de identificacin por huella dactilar, la cual se ha expandido y efectuado una transicin en el pasado siglo. La identificacin por huella digital comienza su transicin a la automatizacin a finales de los aos 60 junto con la aparicin de las tecnologas de computacin. Con la llegada de las computadoras, un subconjunto de los puntos Galton, de aqu en msminucias(rasgos especficos), ha sido utilizado para desarrollar la tecnologa de reconocimiento automatizado de huellas dactilares. En 1969, hubo un empuje mayor por parte del Bur Federal de Investigaciones (FBI) para desarrollar un sistema para automatizar sus procesos de identificacin por huellas dactilares, el cual rpidamente se haba vuelto abrumador y requera de muchas horas hombre para el proceso manual. El FBI contrato al Bur Nacional de Estndares (NBS), ahoraInstituto Nacional de Estndares y Tecnologa (NIST), para estudiar el proceso automatizacin de la clasificacin, bsqueda y concordancia de la huellas dactilares. El NIST identifico dos cambios clave:1. escanear las tarjetas con huellas dactilares y extraer las minucias de cada huella y2. buscar, comparar y combinar las listas de minucias contra grandes repositorios de huellas dactilares [1].En 1975, El FBI fundo el desarrollo de escneres de huella dactilar para clasificadores automatizados y tecnologa de extraccin de minucias, lo cual condujo al desarrollo de un lector prototipo. Este primer lector usaba tcnicas capacitivas para recoger las minucias [2]. En ese momento solo los datos biogrficos de los individuos, la clasificacin de los datos de huellas dactilares y las minucias eran almacenados a causa de que el costo de almacenamiento de las imgenes digitales de las huellas dactilares era prohibitivo.Durante las pocas prximas dcadas, el NIST se enfoc y condujo a desarrollos en los mtodos automticos para digitalizar las huellas dactilares en tinta y los efectos de compresin de imagen en la calidad de la imagen, la clasificacin, extraccin de minucias, y concordancia [3]. EL trabajo del NIST Condujo el desarrollo delalgoritmo M40, el primer algoritmo operacional utilizado en el FBI para estrechar la bsqueda de humanos. Los resultados producidos por el algoritmo M40 fueron provistos a tcnicos humanos entrenados y especializados quienes evaluaron el significantemente ms pequeo grupo de imgenes candidatas.La tecnologa de huellas dactilares disponible continu mejorando y para el ao 1981, cinco sistemas automatizados de identificacin por huella dactilar fueron desplegados. Varios sistemas estatales en los Estados Unidos y otros pases haban implementado sus propios sistemas autnomos, desarrollados por un nmero de diferentes proveedores. Durante esta evolucin, la comunicacin y el intercambio de informacin entre sistemas fueron pasados por alto, significando que una huella digital recogida con un sistema no poda ser buscado en otro sistema. Estos descuidos llevaron a la necesidad y al desarrollo de estndares para huellas digitales.Conforme a la necesidad de un sistema de identificacin integrado en la comunidad de la justicia criminal de los Estados Unidos se volvi rpidamente evidente, la prxima fase en la automatizacin de huellas dactilares ocurri al finalizar la competencia desistemas automatizados de identificacin de huellas dactilares(Automated Fingerprint Identification System, IAFIS). La competencia identific e investig tres desafos principales:1. Adquisicin de huellas dactilares digitales,2. extraccin de caractersticas de crestas locales, y3. concordancia de patrones de caractersticas de crestas [4].Los sistemas modelo demostrados fueron evaluados en base a requerimientos de rendimiento especficos. Lockheed Martin fue seleccionado para construir el segmento AFIS del proyecto IAFIS del FBI y los componentes principales de IAFIS estuvieron operacionales para 1999. Tambin en este plazo, los productos comerciales de verificacin de huellas dactilares comenzaron a aparecer para varios controles de acceso, para logeo, y para beneficio de las funciones de verificacin.ConceptoUna huella dactilar usualmente aparece como una serie de lneas oscuras que representan los relieves, la porcin saliente de las crestas de friccin, mientras los valles entre estas crestas aparecen como espacio en blanco y estn en bajo relieve, la porcin subyacente de las crestas de friccin.La identificacin por huella dactilar est basada principalmente en las minucias, o la ubicacin y direccin de los finales y bifurcaciones (separaciones) de las crestas a lo largo su trayectoria.Las imgenes debajo presentan ejemplos de caractersticas de huellas dactilares: (a) dos tipos de minucias y (b) ejemplos de otras caractersticas algunas veces utilizadas durante la clasificacin automtica y procesos de extraccin de minucias:

a) Minucias [5] b) Otras caractersticas [6]Los tipos de informacin que pueden tomarse de la impresin de la cresta de friccin de una huella incluyen el flujo de crestas de friccin (nivel 1 de detalle), la presencia o ausencia de caractersticas a lo largo de cada trayecto individual de crestas de friccin y sus secuencias (nivel 2 de detalle), y el detalle intrincado de una sola cresta (nivel 3 de detalle). El reconocimiento est usualmente basado en los primeros 2 niveles de detalle o slo en el ltimo.

La tecnologa AFIS explota algunas de estas caractersticas de huellas dactilares. Las crestas de friccin no siempre fluyen continuamente a travs de un patrn y a menudo resultan en caractersticas especficas como finales de crestas, crestas divisorias y puntos, u otra informacin.Un AFIS esta diseado para interpretar el flujo de las crestas sobresalientes para asignar una clasificacin de huellas dactilares y luego extraer los detalles de minucias- un subconjunto de la suma total de informacin disponible, suficiente aun para buscar efectivamente en un repositorio de huellas dactilares grande.

HardwareUna variedad de tipos de sensores-pticos capacitivos, ultrasnicos y trmicos, son utilizados para tomar informacin de imgenes digitales de la superficie de una huella dactilar. Los sensores pticos toman una imagen de la huella, y son el tipo de sensor comnmente ms usados hoy en da. Los capacitivos determinan el calor de cada pxel basados en la capacitividad medida, hecho posible a causa de que un rea de aire (valle) tiene significativamente menos capacitancia que el rea de un dedo (cresta de friccin de la piel). Otros sensores de huellas capturan imgenes utilizando ultrasonido de alta frecuencia o unidades pticas que usen prismas para detectar cambios en la reflectancia de la luz relacionada a la huella dactilar. Los escneres termales requieren el contacto de un dedo a travs de una superficie para medir la diferencia de temperatura en un tiempo dado para crear una imagen digital [7].SoftwareLas dos categoras principales de las tcnicas de coincidencia de huellas dactilares son: basada en minucias o por patrones. La coincidencia por patrones simplemente compara dos imgenes para ver cun similares son. La coincidencia por patrones es utilizada en sistemas de huellas dactilares para detectar duplicados. La tcnica de reconocimiento ms ampliamente utilizada, la basada en minucias, reside en los puntos de minucias descritas ms arriba, especficamente la ubicacin y la direccin de cada punto [4].Perspectiva de los estndaresEn los niveles actuales nacionales e internacionales, el desarrollo de los estndares en huellas dactilares, es un elemento esencial en el reconocimiento de huellas debido a la vasta variedad de algoritmos y sensores disponibles en el mercado.La interoperabilidad es un aspecto crucial de la implementacin del producto, lo que significa que las imgenes obtenidas por un dispositivo debe ser capaz de ser interpretada por una computadora que utilice otro dispositivo. Los mayores esfuerzos en los estndares se enfocan en la estandarizacin del contenido, el significado y la representacin de los formatos de datos de intercambio de huellas dactilares e incluyen las normas [9]: ANSI/INCITS 381-2004 formato de intercambio de datos basado en imgenes de dedos, ANSI/INCITS 377-2004 formato de intercambio de datos basado en patrones del dedo, ANSI-INCITS 378-2004 Formato de las minucias del dedo para el intercambio de datos, ISO/IEC 19794-2 formato de minucias del dedo para intercambio de dato, ISO/IEC FCD 19794-3 formato de intercambio basado en patrones del dedo, y ISO/IEC 19794-4 formato de intercambio basado en imagines de dedos [10].(Informacin adicional con respecto a estos estndares se puede encontrar en el Apndice)Otro estndar a notar es elANSI NIST ITL 1-2000Formato de datos para el intercambio informacin de huellas dactilares, Faciales, cicatrices, marcas & tatuajes ( Scar Mark and Tatoo, SMT).Este estndar especifica un formato comn usado para el intercambio datos de huellas dactilares, faciales, cicatrices, cicatrices, marcas & tatuajes, de forma efectiva a travs de las lneas jurisdiccionales o entre sistemas dismiles hechos por diferente fabricantes. Especificaciones para la transmisin electrnica de huellas dactilares (v7.1) y especificaciones para la transmisin de biometra (v1.0) son implementaciones especificas de los ANSI NIST ITL 1-2000 usados por el FBI y DoD. Otros estndares tambin asociados con ANSI NIST ITL 1-2000 son la cuantizacin de ondeletas escalares del FBI (Wavelet Scalar Quantization, WSQ) y el Grupo de expertos de la asociacin fotografica 2000 (JoinPhotographic Expert group, JPEG2000) ambos son utilizados para la compresin de imgenes de huellas dactilares.Evaluacin del gobierno de los Estados Unidos de NorteamricaComo lo orden el Decreto Patriota de los EE.UU. y el decreto de Mejora de Seguridad Fronteriza, el NIST administr la evaluacin de los proveedores de tecnologa de huella dactilar (Fingerprint Vendor Technology Evaluation, FpVTE)Para evaluar el acierto de los sistemas de reconocimiento de huellas el FpVTE fue diseado para evaluar a la capacidad de los sistemas de huellas dactilares para enfrentar requerimientos de aplicaciones del mundo real tanto de gran escala como de pequea escala. FpVTE 2003 consiste en pruebas mltiples realizadas con combinaciones de dedos (ej. Un solo dedos , dos dedos ndices, cuatro a diez dedos) y diferentes tipos y calidades de huellas dactilares operacionales (ej. imgenes completas de Captura en vivo de solicitantes de visas, imgenes de captura en vivo de los cuatro dedos simultneos (exepto pulgar) de los sistemas actuales de chequeo de bases de dato de reserva o antecedentes penales verificacin de antecedentes penales, o huellas enroladas en tinta de los legajos de las bases de datos de criminales)En los sistemas mas acertados en el FpVTE se encontr que tenan consistentemente muy bajos rangos de error a travs de una variedad de conjuntos de datos. Las variables que tenan el efecto mas claro en el acierto del sistema eran los nmeros de dedos usados y la calidad de las huellas. Un nmero de dedos elevado resultaba en un mayor acierto: el acierto de las bsquedas usando cuatro o ms dedos era mejor que el acierto de bsquedas de dos dedos, el cual era mejor que el acierto de bsquedas a un solo dedo.Programas notables de huellas dactilares del gobierno de EE.UU.Captura rpida de huellas dactilares enroladas equivalentes y captura rpida de huellas palmas de la manoLa captura rpida , una iniciativa del gobierno multiagencia, esta expandiendo la bsqueda de huellas dactilares de de palmas, desafiando a ala industria a desarrollar y demostrar tecnologa para capturar 10 huellas dactilares enroladas equivalentes en menos de 15 segundos y/o huellas de palmas en menos de 15 segundos y/o ambas palmas en menos de 1 minuto, mejorar significativamente la calidad de la imagen de la huella dactilar, reducir tasa de error en el enrolamiento, y ser comprable, rugoso, portable, relativamente discreto de tamao, y utilizable en el futuro cercano [11].Sistema automtico integrado de identificacin de huellas dactilares (Integrated Automatic Fingerprint Identification System, IAFIS)Mantenido por los Servicios de Informacin de la justicia criminal del FBI (CJIS), IAFIS contiene mas de 47 millones de temas. Las capacidades del sistemas incluyen bsquedas automatizadas de huellas decadactilares y huellas dactilares latentes, almacenamiento electrnico de imgenes, e intercambios electrnicos de huellas dactilares y respuestas. A travs de asociaciones entre el FBI y la comunidad del orden publico, IAFIS se volvi operacional en 1999 para agilizar los requerimientos de bsquedas de huellas dactilares que estaban siendo realizados manualmente por verificacin humana ? Un proceso que poda llevar mas de 3 meses. Los resultados de IAFIS a los pedidos son devueltos dentro de las 2 horas para investigaciones criminales y dentro de las 24 horas para investigaciones civiles [12].Publicacin especial 800-76 de NISTLa Publicacin especial 800-76 de NIST, Especificacin biomtrica de datos para la verificacin de identidad personal, contiene especificaciones para la adquisicin, formateo, y almacenamiento de imgenes de huellas dactilares y patrones para tomar y dar formato imgenes faciales; y especificaciones para dispositivos biomtricos sobre como tomar y leer imgenes digitales. La publicacin especifica que las huellas dactilares sean almacenadas en la tarjeta como "patrones de minucias", representaciones matemticas de imgenes de huellas dactilares [13].US-VISIT (Visitas a EE.UU.)El programa de US-VISIT es la pieza central de los esfuerzos del gobierno de Estados Unidos de transformar los sistemas de inmigracin y administracin de la frontera de nuestra nacin de una manera que resuelva las necesidades y los desafos del siglo XXI. US-VISIT es parte de una serie continua de medidas de seguridad biomtricamente realzadas que comienza fuera de las fronteras de los EE.UU. y continua con la llegada de un visitante y la salida de los EE.UU.La mayora de los visitantes experimentan los procedimientos biomtricos de US-VISIT - digitales, las huellas dactilares sin tinta y las fotografas digitales - al entrar a los EE.UU. En esos casos donde un visitante requiere una visa, el departamento del estado recoge la informacin biomtrica y biogrfica del visitante. Cuando el visitante llega en los EE.UU., los procedimientos de US-VISIT permiten que el departamento de la seguridad nacional determine si la persona que solicita entrada sea la misma persona ala que le fue emitida la visa por el departamento del estado.ApndiceANSI/INCITS 381-2004 formato de intercambio de datos basado en imgenes de dedosEste estndar especifica un formato de intercambio para el intercambio de los datos basados en imgenes para el reconocimiento de huellas dactilares y de la palma. Define el contenido, el formato, y las unidades de medida para tal informacin. Este estndar se piensa para esos usos de identificacin y verificacin que requieren el uso de los datos crudos o procesados de la imagen que contienen la informacin detallada del pixel.ANSI/INCITS 377-2004 formato de intercambio de datos basado en patrones del dedoEste estndar especifica un formato de intercambio para el intercambio de los datos para reconocimiento de huella dactilar basados en patrones. Describe la conversin de una imagen cruda de la huella dactilar a un patrn del dedo, recortado y muestreado seguido por la representacin celular de la imagen del patrn del dedo para crear los datos del intercambio de los patrones del dedo.Para ms informacin, ver lo siguiente:http://www.incits.org.ANSI/INCITS 378-2004 Formato de las minucias del dedo para el intercambio de datosEste estndar define un mtodo de representacin de informacin de huellas dactilares usando el concepto de minucias. Define la ubicacin de las minucias en una huella dactilar, un formato de grabacin para contener los datos de las minucias, y extensiones opcionales para contar crestas informacin de ncleo/delta.Para ms informacin, ver lo siguiente:http://www.incits.org.ANSI/NIST ITL 1-2000 Formato de datos para el intercambio informacin de huellas dactilares, Faciales, cicatrices, marcas & tatuajes ( Scar Mark and Tatoo, SMT).Este estndar define el contenido, el formato, y las unidades de medida para el intercambio de la informacin de las imgenes de huellas dactilares, de la palma, faciales /ficha fotogrfica, cicatriz, marca, y tatuaje (smt), que se puede utilizar en el proceso de la identificacin de un sujeto. La informacin consiste en una variedad de tems obligatorios y opcionales, incluyendo parmetros de escaneo, datos relacionados, descriptivos y de registro, informacin de huella dactilar digitalizada, e imgenes comprimidas o sin comprimir.Para ms informacin, ver lo siguiente:ftp://sequoyah.nist.gov/pub/nist_internal_reports/sp500-245-a16.pdfISO/IEC 19794-2 Formato de minucias del dedo para intercambio de dato.Este estndar describe cmo los puntos de las minucias sern determinados, define los formatos de datos para contener los datos para el uso general y de tarjeta inteligente, y detalla la informacin de la conformidad. Las pautas y los valores para los parmetros de combinacin y decisin se proporcionan como anexo informativo. El estndar define tres tipos de minucias, incluyendo los finales de cresta y la bifurcacin. La estrategia adoptada de la determinacin de las minucias se basa en los esqueletos derivados de una imagen digital.Para ms informacin, ver lo siguiente:http://www.iso.org.ISO/IEC FCD 19794-3 Formato de intercambio basado en patrones del dedoEste estndar de bosquejo especifica que una imagen de la huella dactilar est dividida en una grilla de clulas solapadas o no solapadas. En cada clula, el patrn del dedo ser representado por una estructura de clula. Un mtodo para obtener la estructura de la clula es descomponer cada uno de las clulas en una representacin espectral de dos dimensiones tal como la Transformada Discreta de Fourier (Discrete Fourier Transform, DFT) de dos dimensiones. La descomposicin produce los componentes espectrales, donde cada componente se puede caracterizar por una longitud de onda horizontales (x) y verticales (y), en direccin, amplitud, y fase.Para ms informacin, ver lo siguiente:http://www.iso.org.ISO/IEC 19794- 4 Formato de intercambio basado en imagines de dedos.Este estndar especifica que la imagen deber parecer haber sido capturada en una posicin vertical y deber esta aproximadamente centrada. horizontalmente en el campo visual. La secuencia de la exploracin y los datos registrados debern parecer haber sido de izquierda a derecha, progresando de arriba a bajo de la huella dactilar. El origen de los ejes, ubicacin del pixel (0.0), es en la esquina superior de la mano izquierda de cada imagen con la posicin de la coordenada x (horizontal) aumentando positivamente del origen al lado derecho de la imagen mientras que la posicin de la coordenada y (vertical) aumenta positivamente del origen a la parte inferior de la imagen. Tambin especifica que el encabezado debe ser de acuerdo a CBEFF.Para ms informacin, ver lo siguiente:http://www.iso.org.ISO/IEC 19794-8 Esquema Datos del Patrn del Dedo.Este estndar esta prensado para ser utilizado para alcanzar interoperabilidad entre los sistemas de reconocimiento de huellas dactilares basados en minucias y en patrones. Se basa en las caractersticas comunes compartidas entre el patrn espectral y las minucias por medio de la codificacin de las crestas de una forma que el esquema de crestas proporcione las bases para detectar minuciasPara ms informacin, ver lo siguiente:http://www.iso.org.EFTS v7.1 Especificaciones de transmisin electrnica de huellas dactilares.Esta especificacin cubre la transmisin electrnica de la informacin que implican las huellas dactilares al FBI del Sistema Automatizado Integrado de la Identificacin de Huellas dactilares (IAFIS) basado en el estndar NIST ITL 1-2000 del ANSI. El propsito de este documento es especificar ciertos requisitos a los cuales las agencias deban adherir para comunicarse electrnicamente con el IAFIS.Para ms informacin, ver:http://www.fbi.gov/filelink.html?file=/hq/cjisd/iafis/efts71/efts71.pdfEBTS v1.0 Especificaciones de transmisin electrnica de biometra.Esta especificacin describe arreglos de las transacciones de las Especificaciones transmisin electrnica de huellas dactilares (EFTS) del FBI, que son necesarias para utilizar el sistema de identificacin biomtrica automatizada (ABIS) del Departamento de Defensa (DoD).FBI- WSQ (Wavelet Scalar Quantization, WSO) Compresin de imgenes de huellas dactilares por Cuantizacin de Ondeletas EscalaresEs una compresin con perdida de informacin (Lossy)que es capaz de preservar los detalla de alte resolucin de una imagen en escala de grises que son usualmente descartados por otros algoritmos de compresin del tipo Lossy. Alcanza un alto cociente de compresin, por medio 15:1 dependiendo de los parmetros. Para ms informacin, ver el documento No.IAFIS-IC-0110 (V3), 19 de diciembre de 1997."Servicios de informacin de la justicia criminal (CJIS)Especificacin de compresin de imgenes en escala de grises de huellas dactilares WSO" del FBIJPEG2000 (Joint Photographic Experts Group 2000)La compresin de imgenes de huellas dactilares del Grupo de Expertos de la Asociacin Fotogrfica 2000 es un nuevo sistema de codificacin de la imagen que utiliza tcnicas avanzadas de compresin basadas en tecnologa de ondeletas. Su arquitectura debe prestarse a una amplia gama de aplicaciones desde cmaras fotogrficas digitales portables hasta avanzadas como la pre impresin (para las industrias de imprenta y publicacin), diagnostico por imgenes en medicina y otro sectores clave.

--------------------------------------------------------------------------------Referencias:[1] John D. Woodward, Jr., Nicholas M. Orlans, and Peter T. Higgins, Biometrics (New York: McGraw Hill Osborne, 2003).[2] Nalini Ratha and Ruud Bolle, Automatic Fingerprint Recognition Systems (Springer: New York, 2004).[3] James Wayman, et al, Biometric Systems Technology, Design and Performance Evaluation (London: Springer, 2005).[4] Maltoni, Davide, Maio, Jain, and Prabhakar, Handbook of Fingerprint Recognition (Springer: New York, 2005).[4] Maltoni, Davide, Maio, Jain, and Prabhakar, Handbook of Fingerprint Recognition (Springer: New York, 2005).[5] Secugen Biometrics Solutionshttp://www.secugen.com/images/faq02.gif.[6] International Biometric Grouphttp://www.biometricgroup.com.[7] Manfred Bromba, "Bioidentification: Frequently Asked Questions"http://www.bromba.com/faq/fpfaqe.htm#Fingerprint-Sensore[9] International Committee for Information Technology Standards, "M1 Biometrics"http://www.ncits.org/tc_home/m1.htm.[10] International Organization for Standardization, "JTC 1/ SC37 Biometrics Projects"http://www.iso.org/iso/en/CatalogueListPage.CatalogueList?COMMID=5537&scopelist=PROGRAMME.[11] NSTC Subcommittee on Biometrics, "Fingerprint Recognition Interagency Coordination Plan" January 2006.[12] FBI IAFIS "Integrated Automated Fingerprint Identification System: What is it?" 30 June 2005http://www.fbi.gov/hq/cjisd/iafis.htm.[13] National Institute of Standards and Technology, Computer Security Division: Computer Security Resource Center, "Personal Identity Verification (PIV) of Federal Employees/Contractors" 24 March 2006http://csrc.nist.gov/piv-program/index.html.RECONOCIMIENTO FACIALIntroduccinLos humanos a menudo utilizan los rostros para reconocer individuos y los avances en las capacidades de computacin en las ltimas dcadas, ahora permiten reconocimientos similares en forma automtica. Los algoritmos de reconocimiento facial anteriores usaban modelos geomtricos simples, pero el proceso de reconocimiento actualmente ha madurado en una Ciencia de Sofisticadas representaciones matemticas y procesos de coincidencia. Importantes avances e iniciativas en los pasados diez a quince aos han propulsado a la tecnologa de reconocimiento facial al centro de la atencin.ResumenLa industria de reconocimiento facial basado en computadoras ha hecho muchos adelantos tiles en la pasada dcada; sin embargo la necesidad de sistemas de mayor precisin persiste. A travs de la determinacin y compromiso de la industria, las evaluaciones del gobierno, y cuerpos estndar organizados, el crecimiento y el progreso continuaran, elevando la barra para la tecnologa de reconocimiento facial.HistoriaEl reconocimiento facial automatizado es relativamente un concepto nuevo. Desarrollado en los aos 60, el primer sistema semiautomtico para reconocimiento facial requera del administrador para localizar rasgos (como ojos, orejas, nariz y boca) en las fotografas antes de que este calculara distancias a puntos de referencia en comn, los cuales eran comparados luego con datos de referencia.En los aos 70 Goldstein, Harmon, & Lesk [1], usaron 21 marcadores subjetivos especficos tales como el color del cabello y grosor de labios para automatizar el reconocimiento facial. El problema con estas soluciones previas era que se computaban manualmente. En 1988 Kirby & Sirobich aplicaron anlisis de componentes principales, una tcnica estndar del lgebra lineal, al problema del reconocimiento facial. Esto fue considerado algo as como un hito al mostrar que eran requeridos menos de 100 valores para cifrar acertadamente la imagen de una cara convenientemente alineada y normalizada [2].En 1991 Turk & Pentland utilizando las tcnicas Eigenfaces, el error residual poda ser utilizado para detectar caras en las imgenes [3] - un descubrimiento que permiti sistemas automatizados de reconocimiento facial en tiempo real fidedignos. Si bien la aproximacin era un tanto forzada por factores ambientales, cre sin embargo un inters significativo en posteriores desarrollos de stos sistemas.La tecnologa inicialmente captur la atencin del pblico a partir de la reaccin de los medios a una prueba de implementacin en el Super Bowl de la NFL en enero de 2001, la cual captur imgenes de vigilancia y las compar con una base de datos de fotoarchivos digitales. Esta demostracin inici un muy requerido anlisis sobre cmo usar la tecnologa para satisfacer necesidades nacionales, mientras se tomaban en consideracin las preocupaciones sociales y de privacidad del pblico. Hoy la tecnologa de reconocimiento facial est siendo utilizada para combatir el fraude de pasaportes, soporte al orden pblico, identificacin de nios extraviados y minimizar el fraude en las identificaciones.Enfoques predominantesHay dos enfoques predominantes en el problema de reconocimiento facial:El geomtrico (basado en rasgos) y el fotomtrico (basado en lo visual). Conforme a que el inters investigador en reconocimiento facial continu, fueron desarrollados muchos algoritmos diferentes, tres de los cuales han sido bien estudiados en la literatura del reconocimiento facial: Analisis de componentes principales (Principal Components Analysis, PCA), Anlisis lineal discriminante (Linear Discriminant Analysis, LDA), y Correspondencia entre agrupaciones de grafos elsticos Elastic Bunch Graph Matching, EBGM).Anlisis de componentes principales (Principal Component Analysis, PCA)PCA, comnmente referida al uso de Eigenfaces, es la tcnica impulsada por Kirby & Sirivich en 1988. Con PCA, el sondeo y la galera de imgenes deben ser del mismo tamao y deben ser normalizadas previamente para alinear los ojos y bocas de los sujetos en las imgenes. La aproximacin de PCA es luego utilizado para reducir la dimensin de los datos por medio de fundamentos de compresin de datos y revela la mas efectiva estructura de baja dimensin de los patrones faciales.Esta reduccin en las dimensiones quita informacin que no es til [4] y descompone de manera precisa la estructura facial en componentes ortogonales (no correlativos) conocidos como Eigenfaces. Cada imagen facial puede ser representada como una suma ponderada (vector de rasgo) de los eigenfaces, las cuales son almacenadas en un conjunto 1D.Una imagen de sondeo es comparada con una gallera de imgenes midiendo la distancia entre sus respectivos vectores de rasgos. La aproximacin PCA tpicamente requiere la cara completa de frente para ser presentada cada vez; de otra forma la imagen dar un resultado de bajo rendimiento.La ventaja primaria de esta tcnica es que puede reducir los datos necesarios para identificar el individuo a 1/1000 de los datos presentados [5].

Figura 1: Eigenfaces estndar. Los vectores de los rasgos son derivados utilizando Eigenfaces [6]

Anlisis lineal discriminante (Linear Discriminant Analysis, LDA)LDA es una aproximacin estadstica para clasificar muestras de clases desconocidas basadas en ejemplos de entrenamiento con clases conocidas [4]. (Figura 2) Esta tcnica tiene la intencin de maximizar la varianza entre clases (ej. Entre usuarios) y minimizar la varianza de cada clase (Ej. De cada usuario). En la figura 2 donde cada bloque representa una clase, hay grandes variaciones entre clases, pero pequeas en cada clase. Cuando se trata con datos faciales de alta dimensin, esta tcnica enfrenta el problema de muestras de tamao pequeo que surge donde hay u numero pequeo de ejemplos de entrenamiento comparados a la dimensionalidad del espacio de muestra [7].

Figura 2: ejemplo de seis clases usando LDA [8]Correspondencia entre agrupaciones de grafos elsticos Elastic Bunch Graph Matching, EBGM)EBGM tiene en cuenta que las imgenes faciales reales tienen muchas caractersticas no lineales que no son tratadas en los mtodos lineales de anlisis discutidos previamente, tales como variaciones en la iluminacin (Iluminacin de exteriores vs. Interior fluorescente), postura (frontal vs. inclinada) y expresin (sonrisa vs. ceo fruncido).Una ondeleta de transformacin Gabor crea una arquitectura de enlace dinmico que proyecta el rostro sobre la planilla elstica. El Jet Gabor es un nodo en la planilla elstica, manifestado por crculos en la imagen debajo. El cual describe el comportamiento de la imagen alrededor de un pxel.Este es el resultado de una convulsin de la imagen con un filtro Gabor, el cual es usado para detectar formas y extraer caractersticas utilizando procesamiento de imagen.(Una convulsin expresa la suma de solapamientos de las funciones en la mezcla de funciones entre si) El reconocimiento esta basado en la similitud de la respuesta del filtro Gabor a cada nodo Gabor [4].Este mtodo biolgicamente basado utilizando filtros Gabor es un proceso ejecutado en la corteza visual de los mamferos ms grandes. La dificultad con este mtodo es el requerimiento de la precisa localizacin del punto de referencia el cual puede ser algunas veces logrado combinando los mtodos PCA y LDA [4].

Figura 3: Correspondencia entre agrupaciones de grafos elsticos [9]Evaluaciones del gobierno de los Estados UnidosEl gobierno de los Estados Unidos a realizado mltiples evaluaciones para determinar las capacidades y limitaciones del reconocimiento facial, y para encausar y dirigir el desarrollo futuro. La evaluacin del FERET (FacE REcognition Technology, tecnologa de reconocimiento facial), auspiciado desde 1993-1997 por la a Agencia de Bsqueda de Productos Avanzados para Defensa (DARPA, Defense Advanced Research Products Agency) [10], fue un esfuerzo para encausar el desarrollo de los algoritmos de reconocimiento facial y la tecnologa valorando los prototipos de sistemas de reconocimiento facial. Esto propuls el reconocimiento facial desde su infancia a un mercado de productos comerciales.Las pruebas a vendedores de reconocimiento facial (The Face Recognition Vendor Tests, FRVT) se llevaron a cabo en 2000 y 2002, y estaba planeada otra para 2006. Estas evaluaciones fueron construidas sobre el trabajo del FERET y en coincidencia con el inicio general de productos de reconocimiento facial comercialmente disponibles. EL FRVT 2000 tuvo dos metas [11]:Evaluar las capacidades de los sistemas de reconocimiento facial comercialmente disponiblesEducar la comunidad de biometra y el pblico general sobre como presentar y analizar resultados apropiadamente. FRVT 2002 [12] fue diseado para medir progresos tcnicos desde el ao 2000, para evaluar el rendimiento en bases de datos a gran escala de la vida real, y para introducir nuevos experimentos para ayudar a entender mejor el rendimiento del reconocimiento facial. El FRVT 2002 incluy experimentos con barras de error mostrando radiaciones en los rendimientos al intercambiar imgenes similares. Son resultados clave del FRVT 2002:La iluminacin de interiores razonable controlada dada, la tecnologa de punta de reconocimiento facial es de verificacin del 90% a una tasa de falsa aceptacin de 1%.El uso de modelos moldeables, los cuales mapean una imagen 2D sobre una grilla 3D en un intento de superar radiaciones posturales y de iluminacin, puede mejorar significantemente el reconocimiento facial no frontal. El rendimiento de la lista de vigilancia decrece como funcin del tamao de una galera- el rendimiento utilizando listas de vigilancia mas pequeas es mejor que utilizando las ms grandes.En aplicaciones de reconocimiento facial, las ubicaciones deben ser hechas para la informacin demogrfica ya que caractersticas como la edad y sexo pueden afectar significativamente el rendimiento.La meta del Gran Desafo del Reconocimiento Facial (Face Recognition Grand Challenge, FRGC) - el prximo paso en el proceso gubernamental de evaluacin y desarrollo- es promover y adelantar la tecnologa de reconocimiento facial diseada para dar soporte a los esfuerzos existentes de reconocimiento facial del Gobierno de los Estados Unidos [13].El FRGC procurar desarrollar nuevas tcnicas de reconocimiento facial y desarrollar sistemas prototipo mientras que aumenta el rendimiento mediante un orden de magnitud.EL FRGC esta abierto a compaas investigadores y desarrolladoras, academias e instituciones de investigacin de reconocimiento facial.Pronto despus de la finalizacin del FRGC, el gobierno realizar una evaluacin en profundidad del reconocimiento facial - el FRVT 2006*.* El documento original de donde se tradujo este texto data de agosto de 2006Perspectiva de los estndaresLa estandarizacin es una porcin vital del avance del mercado y el estado del arte. Mucho trabajo se ha realizado en los estndares tanto nacionales (USA) como internacionales para facilitar la interoperabilidad y los formatos de intercambio de datos, lo que ayudar a facilitar el avance de la tecnologa en una plataforma estandarizada. Las normas ANSI/INCITS (M1) 385-2004 e ISO 19794-5 de formato de intercambio de datos de reconocimiento facial son los mayores estndares en el rea y estn dirigidas al examen humano detallado de imgenes de rostros, verificacin de identificacin humana, e identificacin y verificacin facial automatizada. Estos estndares tienen en cuenta la interoperatibilidad entre los vendedores de reconocimiento facial.Los estndares han establecido una imagen frontal definida y han irrumpido en sub-secciones dando tratamiento a imgenes frontales y no frontales (una imagen frontal es definida como una imagen a cinco grados del centro. Una imagen no frontal est definida por la ubicacin de los ojos). Estos estndares dejan otras imgenes -tales como semiperfil- indefinidas, pero aseguran que las imgenes enroladas alcanzarn el estndar de calidad necesario tanto para reconocimiento automatizado de rostros como para inspeccin humana de imgenes de rostros. El trabajo est en proceso en los niveles nacionales e internacionales para actualizar los estndares de datos de rostro 3D. ANSI NIST ITL 1-2000 est siendo tambin actualizada para incluir ms y mejor informacin para imgenes faciales del tipo 10. Hay tambin trabajo relacionado con el nivel internacional, para proveer de una gua a los fotgrafos sobre cmo capturar mejor las imgenes faciales para reconocimiento automatizado. Estos estndares tambin facilitan el uso de informacin de rostros en aplicaciones que tienen capacidad de almacenamiento limitada (Ej. Pasaportes, visas, licencias de conducir). Otros estndares como INCITS 398-2005 (Common Biometric Exchange Formats Framework, CBEFF), o Marco de trabajo de Formatos para Intercambios Comunes de Biometra, tratan especficamente con los elementos utilizados para describir los datos de biometra de forma comn.La especificacin INTCITS 358-2002 BioAPI (Application Programming Interface) define la interfase de programacin de la aplicacin y la interfase del proveedor del servicio para una interfase de tecnologa biomtrica estndar.Las organizaciones estndar nacionales e internacionales continan trabajando en la progresin de los estndares en un sentido que facilite el crecimiento, el avance y la interoperabilidad.Referencias[1] A. J. Goldstein, L. D. Harmon, and A. B. Lesk, "Identification of Human Faces," Proc. IEEE, May 1971, Vol. 59, No. 5, 748-760.[2] L. Sirovich and M. Kirby, "A Low-Dimensional Procedure for the Characterization of Human Faces," J. Optical Soc. Am. A, 1987, Vol. 4, No.3, 519-524.[3] M. A. Turk and A. P. Pentland, "Face Recognition Using Eigenfaces," Proc. IEEE, 1991, 586-591.[4] D. Bolme, R. Beveridge, M. Teixeira, and B. Draper, "The CSU Face Identification Evaluation System: Its Purpose, Features and Structure," International Conference on Vision Systems, Graz, Austria, April 1-3, 2003. (Springer-Verlag) 304-311.[5] "Eigenface Recognition"http://et.wcu.edu/aidc/BioWebPages/eigenfaces.htm.[6] MIT Media Laboratory Vision and Modeling Group, "Photobook/Eigenfaces Demo" 25 July 2002.http://vismod.media.mit.edu/vismod/demos/facerec/basic.html.[7] J. Lu, K.N. Plataniotis, and A.N. Venetsanopoulos, "Regularized Discriminant Analysis For the Small Sample Size Problem in FaceRecognition," Pattern Recognition Letters, December 2003, Vol. 24, Issue 16: 3079-3087.[8] Juwei Lu, "Boosting Linear Discriminant Analysis for Facial Recognition," 2002.[9] Laurenz Wiskott, "Face Recognition by Elastic Bunch Graph Matching, " 24 April 1996.http://www.neuroinformatik.ruhr-unibochum.de/ini/VDM/research/computerVision/graphMatching/identification/faceRecognition/contents.html.

[11] D. M. Blackburn, J. M. Bone, and P. J. Phillips, "Facial Recognition Vendor Test 2000 Evaluation Report," February 2001http://www.frvt.org.[12] P. J. Phillips, P. Grother, R. J. Micheals, D. M. Blackburn, E. Tabassi, and J. M. Bone, "Face Recognition Vendor Test 2002 Overview and Summary," March 2003.http://www.frvt.org.[13] P. J. Phillips, P. J. Flynn, T. Scruggs, K. W. Bowyer, J. Chang, K. Hoffman, J. Marques, J. Min, and W. Worek, "Overview of the Face Recognition Grand Challenge," Proc. Computer Vision and Pattern Recognition Conference, San Diego, 2005.[14] "Information technology - Biometric data interchange formats - Part 5: Face image data." Documents ISO/IEC 19794-5:2005, 2004http://www.iso.org.[15] "Information Technology - Face Recognition Format for Data Interchange," document 385-2004 ANSI INCITS, 2004http://www.incits.org.