Detección de rostro como sistema de pago

Ya está disponible en China y consiste en el reconocimiento de las facciones raciales para pagar cuentas, servicios y productos. Por ejemplo, la aplicación móvil Alipay permite transferir dinero utilizando el rostro como legitimación. Las pruebas de veracidad implican mover la cabeza y hablarfrente a un escáner para evitar ser estafado por una foto. La implementación en China se debe a los sofisticados sistemas de seguridad y privacidad que posee, por ejemplo, registros fotográficos de identificación en bases de datos.

Es un avance que se creó tiempo atrás, pero recién hoy en día es lo suficientemente exacto como para funcionar de garantía en pagos ya que el sistema Face ++ reconoce e interconecta más de 80 puntos en un rostro. Se está trabajando en destinos turísticos para facilitar el acceso sin la necesidad de un billete de entrada.

El proceso consta de cuatro módulos principales:

1. 
   Los resultados obtenidos dependen de las características extraídas para representar el patrón de la cara y de los métodos de clasificación utilizados para distinguir los rostros, pero para extraer estas características apropiadamente, hace falta localizar y normalizar la cara adecuadamente.Detección de la cara: detecta que hay una cara en la imagen, sin identificarla. Si se trata de un video, también podemos hacer un seguzimiento de la cara. Proporciona la localización y la escala a la que encontramos la cara.
2. Alineación de la cara: localiza las componentes de la cara y, mediante transformaciones geométricas, la normaliza respecto propiedades geométricas, como el tamaño y la pose, y fotometricas, como la iluminación. Para normalizar las imágenes de caras, se pueden seguir diferentes reglas, como la distancia entre las pupilas, la posición de la nariz, o la distancia entre las comisuras de los labios. También se debe definir el tamaño de las imágenes y la gama de colores. Normalmente, para disminuir la carga computacional del sistema, se acostumbra a utilizar imágenes pequeñas en escala de grises. A veces también se realiza una ecualización del histograma.
3. Extracción de características: proporciona información para distinguir entre las caras de diferentes personas según variaciones geométricas o fotométricas.
4. Reconocimiento: el vector de características extraído se compara con los vectores de características extraídos de las caras de la base de datos. Si encuentra uno con un porcentaje elevado de similitud, nos devuelve la identidad de la cara; si no, nos indica que es una cara desconocida.

Integrantes:

Alexa Gabriela Carlin Suarez

Esteban Santa Maria Fernandez

Denisse Mata Garcia

Irving Rene Rojas Martinez 

https://kerchak.com/deteccion-de-rostro-como-sistema-de-pago-ahora/
http://es.calameo.com/books/005337677a29b3274da00