Investigadores del Departamento de Ciencias de la Computación de la Universidad Rey Juan Carlos (URJC), han desarrollado un sistema de alta precisión, gran eficiencia computacional, e independiente ante condiciones que afectan a la localización automática de los puntos en imágenes faciales, como la iluminación, la pose o los cambios de escala.
Esta nueva técnica supone un avance fundamental a la hora de llevar a cabo multitud de tareas de interpretación de imágenes faciales, en particular, para el análisis de expresiones e intentar reconocer el estado anímico en el que se encuentra la persona.
Se trata de localizar un subconjunto de puntos anatómicos de las regiones de los ojos, cejas y boca, bien conocidos en la literatura forense y que resulten distinguibles en las imágenes faciales (entre ellos se encuentran el centro de la pupila, los correspondientes a los lagrimales, las comisuras de los labios, etc).
Mientras que otros métodos estudiados en esta investigación trabajan generalmente con imágenes neutras, lo novedoso de este sistema es que las imágenes usadas están tomadas en condiciones no restringidas. Es decir, se puede trabajar con imágenes de caras con expresiones faciales diferentes y pronunciadas.
Por ejemplo, caras que expresen diferentes grados de ira, alegría, tristeza, etc, imágenes en las que varíen las condiciones de iluminación o incluso, en las que cambie el tipo de enfoque fotográfico. Según el investigador que encabeza este trabajo Ángel Sánchez, “la precisión en la localización de los puntos es muy elevada aún trabajando con imágenes que presentan gran variabilidad entre sí”.
El sistema ha sido testeado sobre dos colecciones de imágenes faciales muy utilizadas por los investigadores en el análisis automático de expresiones: las bases de datos de Cohn-Kanade (AU-Coded Facial Expression) y JAFFE (JApanese Female Facial Expression).
Los resultados obtenidos de detección correcta de puntos son bastante prometedores, puesto que se alcanza una tasa media de aciertos del 94,2% y del 96,15%, respectivamente, para dichas bases de datos, siendo inferior a 5 segs. el tiempo medio de localización de los 20 puntos considerados por cada imagen facial.
Solo para medios:
Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.
La velocidad se incrementa a medida que el futbolista se acerca al balón, sin embargo, disminuye ligeramente al llegar a él. Los delanteros son los que corren más directamente hacia el esférico, mientras que los porteros lo hacen de una forma más paralela. Son algunos resultados de un estudio de investigadores españoles.
Investigadores de la compañía Google DeepMind han desarrollado Tactic AI, un asistente que podría ayudar a los entrenadores a elegir las mejores configuraciones de jugadores tras un saque de esquina. La herramienta se ha entrenado con datos de más de 7000 córneres de la Premier League y la han validado expertos del Liverpool FC.
