En este trabajo se propone una fase de preprocesamiento de imágenes así como del uso del algoritmo SURF (Speeded Up Robust Features) dentro de la etapa de extracción de características del proceso de autenticación facial, el cual es ejecutado en diferentes dispositivos móviles como Smartphones y Tablets con sistema operativo Android. La metodología propuesta consta de los siguientes seis pasos principales: imágenes del rostro, normalización, detección del rostro, extracción de características (preprocesamiento), coincidencias y decisión, donde a partir de la definición de un umbral heurístico se determina si la autenticación fue exitosa o errónea. Con el fin de que cada imagen tenga una distribución uniforme de sus niveles de gris la técnica de ecualización de histograma es usada en la fase de preprocesamiento, como resultado se obtiene una imagen mejorada para posteriormente pasar al siguiente paso de la metodología propuesta. Dentro de la sección de pruebas se emplearon las bases de datos públicas: The Extended Cohn-Kanade Dataset (CK+), Caltech Faces y FERET, así mismo, se usó la base de datos denominada SURFace la cual fue generada a lo largo de este trabajo. Finalmente, los resultados obtenidos con seis diferentes dispositivos móviles demuestran que la tasa de autenticación facial con las técnicas propuestas fue del 90%.
In this work a phase of image preprocessing is proposed also the SURF algorithm (Speeded Up Robust Features) into the feature extraction step of face authentication process, which one is executed in different mobile devices such as Smartphones and Tablets with Android operative system. The proposed methodology contains the following six principal steps: face images, normalization, face detection, feature extraction (preprocessing), coincidences and decision, where considering the definition of a heuristic threshold it is determined if the authentication was correct or incorrect. In order that each image has a uniform distribution of its gray levels the histogram equalization technique is used in the preprocessing phase, as a result a better image is obtained to continue with the next step of the proposed methodology. Into the test section the following public face databases were used: The Extended Cohn-Kanade Dataset (CK+), Caltech Faces and FERET, furthermore the face database named SURFace was used, which one was generated throughout this work. Finally, the obtained results with six different mobile devices shows that the face authentication rate with the proposed techniques was 90%.
