ES2348248T3

ES2348248T3 - Sistema y procedimiento multibiometricos basados en una unica imagen.

Info

Publication number: ES2348248T3
Application number: ES05810155T
Authority: ES
Inventors: Hartmut Neven; Adam Hartwig
Original assignee: Google LLC
Current assignee: Google LLC
Priority date: 2004-06-21
Filing date: 2005-06-21
Publication date: 2010-12-02
Anticipated expiration: 2025-06-21
Also published as: WO2006023046A1; EP1766555B1; AU2005278003B2; DE602005022718D1; US20060050933A1; EP1766555A1; BRPI0512354A; ATE476715T1; KR100982197B1; AU2005278003B8; AU2005278003A1; CN101027678B; US7697735B2; AU2011202268A1; KR20070070151A; JP4610614B2; CA2571643C; CA2571643A1; AU2011202268B2; CN101027678A

Abstract

Un procedimiento de reconocimiento de una cara en una imagen digital, comprendiendo el procedimiento: seleccionar una única imagen digital de una cara; localizar características faciales en la única imagen digital; comparar características faciales localizadas en la única imagen digital con características faciales de una imagen digital de referencia para producir una puntuación de las características faciales; comparar características del iris en la única imagen digital con las características del iris en la imagen digital de referencia para producir una puntuación de las características del iris; calcular una puntuación de semejanza entre la única imagen digital y la imagen de referencia en base a la puntuación de las características faciales y a la puntuación de las características del iris; y determinar en base a la puntuación de semejanza si la cara en la única imagen digital se corresponde con una cara asociada con la imagen digital de referencia o no.

Description

REFERENCIA A SOLICITUD RELACIONADA

La presente solicitud reivindica el beneficio de la solicitud de patente U.S. nº 60/581.496, presentada el 21 de junio de 2004, que está incorporada en el presente documento por referencia.

ANTECEDENTES DE LA INVENCIÓN

La presente invención versa acerca de procedimientos para integrar un reconocimiento de cara, piel e iris para proporcionar un sistema biométrico con un nivel de precisión sin precedentes para identificar a individuos. Una característica de peso del presente enfoque es que solo requiere una única imagen digital que muestre una cara humana como datos fuente.

RESUMEN DE LA INVENCIÓN

La presente invención está materializada en un procedimiento y un aparato según se definen en las reivindicaciones 1 y 10.

En aspectos más detallados de la invención, la única imagen puede tener una resolución de la distancia entre ojos de al menos 600 píxeles, y puede tener al menos aproximadamente 5 mega píxeles. Se puede llevar a cabo un análisis de la textura de la piel comparando las características de la piel de la cara en la única imagen con características de la piel de una cara en una imagen de referencia, y la puntuación de semejanza puede estar basada adicionalmente en el análisis de la textura de la piel. El análisis de la textura de la piel puede incluir localizar áreas de la piel en la cara adecuadas para un análisis de la textura de la piel, deformar, alinear y normalizar las áreas localizadas de la piel, y extraer características de la piel de las áreas localizadas de la piel. Las características de la piel pueden consistir en poros, arrugas y lunares.

En otros aspectos más detallados de la invención, la única imagen puede estar seleccionada de un vídeo, y las características faciales están localizadas en base a un seguimiento de características faciales de las características faciales en el vídeo. Además, las características faciales pueden localizarse utilizando una correspondencia entre grafos elásticos de racimo. De forma alternativa, las características faciales pueden localizarse utilizando trenes de ondas de Gabor.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

Los dibujos adjuntos ilustran realizaciones de la presente invención y, junto con la descripción, sirven para explicar los principios de la invención.

La Figura 1 es un diagrama de flujo que ilustra un procedimiento para reconocer una persona a partir de una única imagen digital utilizando un enfoque multibiométrico, según la presente invención.

La Figura 2 es un diagrama de flujo que ilustra un procedimiento de establecer una correspondencia para un análisis de textura de la piel.

La Figura 3 es un dibujo de una imagen de una cara que muestra nodos de un gráfico localizados en las características faciales de interés.

La Figura 4 es un diagrama de bloques de un motor de reconocimiento visual que puede ser reglado para llevar a cabo un reconocimiento de cara, piel e iris.

DESCRIPCIÓN DETALLADA

La presente invención versa acerca de procedimientos para integrar un reconocimiento de cara, piel e iris para proporcionar un sistema biométrico con un nivel sin precedentes de precisión para identificar individuos. Una característica de peso de este enfoque es que solo requiere una única imagen digital que muestre una cara humana como datos fuente. La tasa de rechazos indebidos puede ser inferior a 0,001 con una tasa de aceptación indebida de 0,01 para una amplia gama de condiciones operativas, superando, por lo tanto, la precisión de identificación por huellas dactilares, preferida tradicionalmente. La presente invención permite una búsqueda eficaz de grandes bases de datos utilizando una biométrica no invasiva que solo requiere una mínima cooperación por parte del individuo que deba ser identificado.

Las cámaras digitales se están volviendo más frecuentes y baratas cada día. Además, la resolución del CCD y de sensores de formación de imágenes similares utilizados por las cámaras digitales de consumo ha ido aumentando continuamente. La mayoría de las cámaras disponibles en la actualidad tienen capacidad para cinco o más mega píxeles, lo que permite una calidad de impresión comparable a las cámaras analógicas basadas en carrete para tamaños habituales de impresión. Recientemente, la venta mundial de cámaras digitales de consumo ha superado la de las cámaras analógicas más baratas. Pronto, las cámaras económicas tales como cámaras de web y aquellas incorporadas en teléfonos móviles soportarán grandes resoluciones.

Esta disponibilidad de imágenes de alta resolución puede ser explotada para ir más allá de las técnicas existentes de reconocimiento facial para aumentar la precisión de tales sistemas biométricos. Las técnicas existentes dependen más de procedimientos de establecer una correspondencia integral, es decir, basados en imágenes, o en la correspondencia de características locales extraídas de puntos de referencia faciales prominentes, tales como la nariz, los ojos o la boca. Un ejemplo de gran éxito es una tecnología de reconocimiento facial, que utiliza una correspondencia entre grafos elásticos de racimo para localizar de forma precisa las localizaciones de características faciales, y calcula plantillas compuestas de coeficientes de trenes de onda de Gabor de diversas escalas y orientaciones, que forman una plantilla facial única para un individuo. Véase la patente U.S. nº 6.301.370, FACE RECOGNITION FROM VIDEO IMAGES, publicada el 9 de octubre de 2001.

El uso de una imagen de mayor resolución permite un análisis facial con un nivel más detallado, tal como utilizando parches cutáneos extraídos de áreas sin pelo en la cara, o a un nivel aún mayor de detalle al analizar los patrones únicos en el iris de un individuo. La resolución de una imagen que contiene una cara no es por sí misma una medición fiable para indicar la resolución de píxeles a la que se capturó la cara. Por ejemplo, una imagen de muy alta resolución puede contener una cara que se encuentra tan lejos en la escena que se representa con muy pocos píxeles. O una imagen de una resolución bastante baja puede contener una cara que está tan en primer plano que la mayoría de la resolución de la imagen se utiliza para representar la cara. Una medición más útil de la resolución es una “resolución de la distancia entre ojos” definida en el presente documento como la resolución de píxeles entre las pupilas izquierda y derecha en una cara. Para técnicas típicas de un reconocimiento facial tradicional, se necesita una resolución de la distancia entre ojos de aproximadamente 25 a 80 píxeles (por ejemplo, 40 píxeles), mientras que para un análisis de parche cutáneo, se necesita una resolución de la distancia entre ojos de aproximadamente 120 a 150 píxeles, y para un análisis del iris se necesita una resolución de la distancia entre ojos de aproximadamente 600 a 650 píxeles.

Además, es importante que la imagen no esté borrosa, de lo contrario se reduce la resolución efectiva de la imagen. Utilizar procedimientos de Fourier en la región de una cara detectada permite valorar si se ha alcanzado efectivamente la “resolución eficaz de la distancia entre ojos” necesaria. Finalmente, es importante comprobar que se ha alcanzado la profundidad eficaz de píxeles. Esto se puede conseguir fácilmente utilizando histogramas de valor de gris, tomados de nuevo del área de una cara detectada. De forma ventajosa, la profundidad de píxeles se acerca a al menos 8 bits.

Si se captura una cara a una distancia razonable con una cámara de 5 o 6 mega píxeles con un ángulo visual suficientemente estrecho, la resolución de la distancia entre ojos puede encontrarse dentro de la gama de las técnicas de análisis de iris, y, por lo tanto, se vuelve factible extraer plantillas biométricas para tres procedimientos biométricos completamente distintos a partir de una fuente de datos. Además, se pueden emplear procedimientos bien conocidos para obtener una súper resolución para aumentar la resolución eficaz de la imagen (por ejemplo, súper resolución en imágenes utilizando un flujo óptico y un muestreo irregular, Marc Rumo1, Patrick Vandewalle, LCAV – School of Computer and Communication Sciences, Ecole Polytechnique Fédérale de Lausanne).

Una combinación de distintos procedimientos biométricos puede aumentar la precisión de verificación, y también mejorar el grado general de utilización del sistema biométrico. Son ejemplos de éxito la fusión de la voz y la cara, y de la huella dactilar y la cara. Lo que tienen estos procedimientos en común es que requieren distintos dispositivos de detección. El procedimiento de la presente invención permite la combinación de los procedimientos biométricos descritos anteriormente, el análisis facial, de la textura de la piel y el reconocimiento del iris, en un sistema multibiométrico basado en una única imagen de un único sensor.

Se describe el procedimiento del Análisis multibiométrico de una única imagen (SIMBA) 10 con referencia a la Figura 1. Se selecciona una imagen de entrada de una cara 12 para un análisis (etapa 14). Después de que se han localizado la cara y sus características faciales (etapas 16 y 18) se procesan distintas porciones de la cara en tres canales semiortogonales 20, 22 y 24, que analizan las características faciales, de textura de la piel y del iris, respectivamente (etapa 26). Se comparan las características faciales localizadas con valores correspondientes de imágenes faciales en una base 27 de datos. Un módulo 28 de fusión integra los resultados de los tres canales en una única puntuación de semejanza. En base a la puntuación de semejanza (etapa 30), se reconoce (etapa 32) a la persona en la imagen o no se encuentra la persona en la base de datos (etapa 34).

Se puede llevar a cabo la detección facial (etapa 16) por medio de cualquiera de varios buscadores faciales existentes. Un enfoque ventajoso utiliza un árbol de decisión de autoaprendizaje mediante el algoritmo Adaboost y utiliza trenes de ondas de Gabor como características. Este enfoque consigue una tasa de detección facial en un conjunto de imágenes representativas del 99,7% con una tasa de falsa alarma de 0,001. Supera enfoques tales como los sugeridos por Viola y Jones, “Rapid Object Detection using a Boosted Cascade of Simple Features, Proc. Of IEEE Conf. on Computer Vision and Pattern Recognition”, diciembre de 2001, y Rowley et al. 1998.

Se puede llevar a cabo la detección de características faciales (etapa 18) utilizando un módulo de alta velocidad de búsqueda y de seguimiento de características faciales basado en tecnología de correspondencia de grafos elásticos. Véase la patente U.S. nº 6.272.231, titulada WAVELET-BASED FACIAL MOTION CAPTURE FOR AVATAR ANIMATION. De forma ventajosa, se detectan y se realiza el seguimiento de cincuenta y cinco (55) localizaciones de características en la cara en tiempo real. Este módulo es único en su precisión y velocidad. El seguimiento de características faciales mejora mucho la tecnología SIMBA en el sentido de que permite la localización con exactitud de las características faciales incluyendo las pupilas en cada fotograma de una secuencia de vídeo. La localización con exactitud de las características faciales es un requisito previo para comparar características faciales, parches cutáneos y los detalles del iris.

Se puede llevar a cabo la comparación de las características faciales (etapa 20) utilizando uno de entre diversos motores en el mercado, particularmente el motor de reconocimiento facial disponible en Neven Vision de Santa Mónica, California, EE. UU. en la patente U.S. nº 6.301.370, titulada FACE RECOGNITION FROM VIDEO IMAGES, se describe similarmente una buena elección, patente que está incorporada en el presente documento por referencia.

El análisis de la textura de la piel (etapa 22) puede estar basado en el análisis de las características individuales de la piel como los poros, las arrugas, los lunares, etc. Son adecuadas las regiones lisas, sin pelo de las caras como, por ejemplo, las mejillas, la barbilla, la nariz y la frente. Dependiendo de factores como el peinado o el sexo (vello facial), qué áreas pueden ser utilizadas puede diferir entre persona y persona.

Con referencia a la Figura 2, el procedimiento 210 de establecer una correspondencia del sistema de análisis de la textura de la piel puede dividirse en las siguientes etapas de procesamiento:

1.: detección de la cara (etapa 212);

2.: detección de las características faciales (etapa 214);

3.: localización de las áreas de la piel en la cara adecuadas para un análisis de la textura de la piel (etapa 216);

4.: deformar, alinear y normalizar y parches cutáneos (etapa 218);

5.: extraer características que describen áreas locales de la piel (etapa 220);

6.: comparar estas características con la imagen de referencia, y calcular la puntuación de semejanza (etapa 222).

Una solución reciente dada a conocer por Bruno Delean divide el área por debajo de los ojos en bloques rectangulares y utiliza algoritmos de correspondencia simple de bloques y una evaluación heurística de la localización relativa de los bloques colindantes para calcular la puntuación de semejanza. (Bruno Delean, Method and apparatus for probabilistic image analysis, solicitud de patente US nº de publicación 2004/0052418). Los enfoques descritos anteriormente empleaban procedimientos más sofisticados basados en una correspondencia de grafos elásticos utilizando trenes de ondas de Gabor (Buhmann et al. 1990, y Wiskott et al. 1997).

Dado que la tecnología actual de reconocimiento facial y de detección facial (por ejemplo, la patente U.S. nº 6.301.370) depende de localizar con exactitud de forma precisa la localización de las características faciales prominentes, está adecuada idealmente para su aplicación a una identificación biométrica basada en un análisis de la textura de la piel. Una opción es utilizar la tecnología de correspondencia de grafos elásticos. La tecnología de correspondencia de grafos elásticos representa caras como un gráfico marcado cuyos nodos se corresponden con puntos de referencia faciales como el rabillo del ojo o la punta de la nariz, y es capaz de colocar este gráfico con una precisión elevada sobre una cara en una imagen presentada. En base a estos puntos de referencia hallados, es posible localizar de forma precisa las áreas en la cara utilizadas para un análisis de la textura de la piel. Esta tecnología de reconocimiento facial puede determinar características locales de la cara, por ejemplo, si hay presentes o no pelo facial o gafas. Se puede derivar un mapa facial individualizado más fiable de áreas adecuadas para un análisis de la piel utilizando esta información.

Con referencia a la Figura 3, se pueden adaptar nodos de un grafo elástico para imágenes de alta resolución. Se colocan densidades más elevadas de nodo que las utilizadas habitualmente en las áreas de la piel sin pelo y en las áreas del iris. Los parámetros del vector de rasgos extraídos en cada nodo están adaptados para explicar, de forma óptima, el contenido esperado de la señal. Las posiciones de los nodos en la Figura 3 son conceptuales. Las densidades reales de los nodos —en particular— en el iris, pueden ser mayores.

Además, dado que se pueden derivar la posición y la expresión de las características faciales, se puede normalizar o quitar la deformidad de un parche cutáneo extraído antes de ser analizado. Un ejemplo de tal escenario sería uno en el que se captura la cara del usuario que va a ser identificado con una expresión exagerada, tal como una sonrisa o un ceño marcado, lo que provoca que se deforme el área debajo del ojo donde se captura el parche cutáneo. Si, en una situación de captura en directo, se detecta una expresión exagerada, se le podría dar información de resultado al usuario para presente una expresión neutral o menos exagerada. Otra situación en la que se mejora mucho un análisis de mayor resolución mediante una búsqueda precisa de puntos de referencia es el caso en el que la cara se encuentra en una posición no frontal. Tras la detección de una cara no frontal se puede deformar la imagen facial a la frontal por medio de procedimientos descritos y a los que se hace referencia en el informe de la prueba de reconocimiento facial por parte del vendedor 2002 (FRVT 2002).

Después de que se han identificado las áreas de piel que van a ser utilizadas para establecer una correspondencia, una forma de comparar parches cutáneos es representar las áreas identificadas como un subgráfico marcado, en el que los nodos se corresponden con parches cutáneos locales. Se escoge la densidad de los nodos para conseguir el equilibrio óptimo de precisión y de velocidad de procesamiento. En las posiciones de estos nodos, se extrae un vector de característica adecuada que describe el parche cutáneo (por ejemplo, chorro de Gabor, parche de píxeles). Durante la etapa de establecer una correspondencia para cada parche cutáneo seleccionado de esta manera, se establece una correspondencia individualmente entre el vector de característica y la región facial de la imagen de referencia y se identifica el parche cutáneo más similar. El resultado es una versión más o menos distorsionada del gráfico en la imagen original. A partir de la semejanza y la distorsión entre el gráfico original y el gráfico de correspondencia, se calcula una puntuación de semejanza que incorpora restricciones geométricas locales. Véase la patente U.S. nº 6.301.370.

En lo que concierne al análisis del iris, una búsqueda precisa de características puede localizar con exactitud la localización de las pupilas y, por lo tanto, el iris circundante. Además, se puede detectar el estado del ojo (por ejemplo, abierto o cerrado). Naturalmente, para el análisis del iris, el ojo necesita estar abierto para mostrar el iris. Todas las técnicas de análisis de la piel descritas anteriormente se aplican al análisis del iris.

Se pueden utilizar las técnicas existentes de escaneo y de reconocimiento del iris para el análisis del iris (etapa 24). La mejora de las técnicas existentes puede estribar en una integración estrecha de la detección y el seguimiento de rasgos faciales con un reconocimiento facial, de la piel y del iris, y permitirá una implementación ultrarrápida y eficaz de recursos del motor completo de reconocimiento como se requiere para dispositivos móviles. Es importante notar que el análisis del patrón del iris es, en muchos sentidos, menos complejo que analizar una cara que está sometida a considerablemente más variación.

Con referencia a la Figura 4, se puede reglar un motor de reconocimiento visual para llevar a cabo un reconocimiento facial, de la piel y del iris. Los principios macroalgorítmicos de reconocimiento visual son: extraer vectores de características de puntos clave de interés, comparar vectores correspondientes de características, derivar una medida de semejanza y compararla con un umbral para determinar si los objetos son idénticos o no. En el caso del reconocimiento de clases, tal como una detección facial, se emplean una red neural, una amplificación o una máquina vectorial de soporte para generalizar los ejemplos específicos. Sin embargo, al observar más de cerca, se notaría que se emplean los submódulos para llevar a cabo ciertas etapas mejor que las técnicas existentes descritas en la bibliografía. Más en particular:

1) Operador de interés: el uso de la congruencia de fase y de la simetría de fase de trenes de ondas de Gabor es superior a muchos otros operadores de puntos de interés sugeridos en la bibliografía, tales como Affine Harris, DOG, y Affine Laplace.

2) Vectores de características: la presente invención hace amplio uso de los trenes de ondas de Gabor como un formato potente de datos de uso general para describir una estructura local de imagen. Cuando es apropiado, los trenes de ondas de Gabor están incrementados con características aprendidas que guardan semejanza con el enfoque del que Viola y Jones fueron pioneros. Finalmente, es prometedor el uso de un diccionario de conjuntos parametrizados de vectores de características extraídos de conjuntos masivos de datos de imagen que muestran variaciones de parches superficiales genéricos: “Locons”. Este enfoque tiene el potencial de realizar una aportación significativa para conseguir una mejor pose y una invariancia de la iluminación.

3) Correspondencia: casi todas las rutinas de establecer una correspondencia descritas en la bibliografía solo consideran la semejanza entre los vectores de características. Se puede obtener una mejora al estimar explícitamente los vectores de desplazamiento al igual que conjuntos de parámetros que describen condiciones medioambientales tales como el punto de vista y las condiciones de iluminación que pueden permitir un aprendizaje más rápido de nuevos objetos, y reconocerlos bajo una gama más amplia de condiciones.

Cuando se realiza la determinación de si el individuo visto en diversas imágenes es el mismo

o no, se necesita integrar las puntuaciones de semejanza del gráfico de puntos de referencia faciales y de los subgráficos de la piel y del iris. Existen múltiples procedimientos descritos en la bibliografía acerca de cómo lograr esto. Se puede hacer una referencia al informe de extensión de la prueba de reconocimiento facial del vendedor 2002, NISTIR 2004, que enseña procedimientos de cómo integrar distintos enfoques de reconocimiento facial al igual que el siguiente artículo que muestra cómo integrar de forma óptima el reconocimiento facial y del iris: Yun HongWang, Tieniu Tan1, y Anil K. Jain, “Combining Face and Iris Biometrics for Identity Verification” AVBPA 2003.

La experiencia empírica con diversas normas de fusión ha descubierto que en el caso de integrar un análisis de características del iris, de la piel y faciales, se pueden conseguir el mejor resultado con un procedimiento de fusión del sensor que iguala en primer lugar las puntuaciones de correspondencia para cada canal de reconocimiento de forma individual con un intervalo [0, 1] antes de fusionarlos al formar la media.

Dada una imagen con una resolución de 4 a 5 mega píxeles, y particularmente una resolución de 6 mega píxeles y superiores, una combinación de análisis facial, de parche cutáneo y del iris pueden operar en etapas en la misma imagen fuente para mejorar drásticamente la precisión y la fiabilidad del sistema de reconocimiento facial. Una característica atractiva permitida por la etapa inicial de búsqueda de características faciales es que modula un análisis refinado de la piel y del iris que requiere una mayor resolución que puede ser activada o desactivada de forma automática dependiendo de la determinación inicial cuánta resolución de píxeles hay disponible entre los ojos.

5 Otra ventaja de la biométrica de fusión en SIMBA es que aborda muy elegantemente el problema denominado “comprobación en directo”. Llevar a cabo una comprobación en directo aborda el problema de cómo determinar si la biométrica actual está originándose a partir de un individuo vivo o más bien a partir de un artefacto tal como un dibujo. Se puede utilizar un seguimiento de características faciales para analizar movimientos faciales internos y puede

10 evitar, por lo tanto, que un impostor utilice imágenes fijas. De forma similar, un análisis del iris puede medir la contracción o dilatación cambiantes de la pupila (finalmente, incluso provocada al proyectar una luz en la pupila) para determinar que se está observando un individuo vivo. Finalmente, se puede utilizar una búsqueda precisa de puntos de referencia para determinar si las características faciales detectadas se encuentran todas en un plano o no. Además, esto

15 permite descartar imágenes de vídeo que un impostor podría mostrar al sistema biométrico. El enfoque SIMBA evita el problema de suponer que es permisible pedir al usuario exponerlo secuencialmente a distintos sensores biométricos, muchos de los cuales son bien invasivos o bien difíciles de usar. Un sistema multibiométrico eficaz necesita ser cómodo de utilizar. Los usos existentes del reconocimiento del iris y de la huella dactilar muestran que la facilidad de

20 uso no ha sido una prioridad elevada en el diseño. En cambio, el enfoque SIMBA depende únicamente de un único sensor de imagen bidimensional y emplea la multibiométrica únicamente de forma interna en el sentido de que los canales semiortogonales de reconocimiento aprovechan la información biométrica contenida en diversos aspectos de la imagen. Es importante hacer notar el uso de una técnica robusta para hacer un seguimiento de

25 características faciales en tiempo real.

Claims

Reivindicaciones

1.

Un procedimiento de reconocimiento de una cara en una imagen digital, comprendiendo el procedimiento:

seleccionar una única imagen digital de una cara; localizar características faciales en la única imagen digital; comparar características faciales localizadas en la única imagen digital con características faciales de una imagen digital de referencia para producir una puntuación de las características faciales; comparar características del iris en la única imagen digital con las características del iris en la imagen digital de referencia para producir una puntuación de las características del iris; calcular una puntuación de semejanza entre la única imagen digital y la imagen de referencia en base a la puntuación de las características faciales y a la puntuación de las características del iris; y determinar en base a la puntuación de semejanza si la cara en la única imagen digital se corresponde con una cara asociada con la imagen digital de referencia o no.
2.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, en el que la única imagen digital tiene una resolución de la distancia entre ojos de al menos aproximadamente 600 píxeles.
3.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, en el que la única imagen digital comprende al menos aproximadamente 5 mega píxeles.
4.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, que comprende, además, llevar a cabo un análisis de textura de la piel comparando características de la piel de la cara en la única imagen digital con características de la piel de una cara en la imagen digital de referencia para producir una puntuación de las características de la piel, en el que la puntuación de semejanza está basada adicionalmente en la puntuación de las características de la piel.
5.

Un procedimiento de reconocimiento facial como se define en la reivindicación 4, en el

que el análisis de la textura de la piel comprende: localizar una pluralidad de áreas de la piel en la cara adecuadas para un análisis de la textura de la piel; deformar, alinear, y normalizar las áreas de la piel localizadas, y extraer las características de la piel de las áreas de la piel localizadas.
6.

Un procedimiento de reconocimiento facial como se define en la reivindicación 5, en el que las características de la piel pueden consistir en poros, arrugas y lunares.
7.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, en el que la única imagen digital es un fotograma seleccionado de un vídeo; las características faciales se localizan en el fotograma en base a un seguimiento de las características faciales de las características faciales en el vídeo.
8.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, en el que las características faciales se localizan utilizando una correspondencia entre grafos elásticos de racimo.
9.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, en el que las características faciales se localizan utilizando trenes de ondas de Gabor.
10.

Un aparato de reconocimiento facial, que comprende:

medios para seleccionar una única imagen digital de una cara; medios para localizar características faciales en la única imagen digital; medios para comparar características faciales localizar en la única imagen digital con características faciales de una imagen digital de referencia para producir una puntuación de las características faciales; medios para comparar las características del iris en la única imagen digital con la característica del iris en la imagen digital de referencia para producir una puntuación de las características del iris; y medios para calcular una puntuación de semejanza entre la única imagen digital y la imagen digital de referencia en base a la puntuación de las características faciales y a la puntuación de las características del iris.
11.

Un aparato de reconocimiento facial como se define en la reivindicación 10, en el que la

única imagen digital tiene una resolución de la distancia entre ojos de al menos aproximadamente 600 píxeles.
12.

Un aparato de reconocimiento facial como se define en la reivindicación 10, en el que la única imagen digital comprende al menos aproximadamente 5 mega píxeles.
13.

Un aparato de reconocimiento facial como se define en la reivindicación 10, que comprende, además, medios para llevar a cabo un análisis de la textura de la piel comparando las características de la piel de la cara en la única imagen digital con características de la piel de una cara en la imagen de referencia para producir una puntuación de las características de la piel, en el que la puntuación de semejanza está basada en la puntuación de las características de la piel.
14.

Un aparato de reconocimiento facial como se define en la reivindicación 13, en el que el medio para llevar a cabo un análisis de la textura de la piel comprende: medios para localizar una pluralidad de áreas de la piel en la cara adecuadas para un análisis de la textura de la piel; medios para deformar, alinear, y normalizar las áreas de la piel localizadas; y medios para extraer características de la piel de las áreas de la piel localizadas.
15.

Un aparato de reconocimiento facial como se define en la reivindicación 14, en el que las características de la piel pueden consistir en poros, arrugas y lunares.
16.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, que comprende además:

almacenar las características faciales de la única imagen digital y la imagen de referencia en vectores correspondientes de características faciales; almacenar las características del iris de la única imagen digital y la imagen de referencia en vectores correspondientes de características del iris; determinar un vector de desplazamiento entre el vector de la característica facial de la única imagen digital y el vector de la característica facial de la imagen de referencia; y determinar un vector de desplazamiento entre el vector de la característica del iris de la única imagen digital y el vector de la característica del iris de la imagen digital de referencia.
17.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, que comprende además:

estimar un conjunto de parámetros que describe un punto de vista para la única imagen digital; y estimar un conjunto de parámetros que describe un punto de vista para la imagen digital de referencia.
18.

Un procedimiento de reconocimiento facial como se define en la reivindicación 1, que comprende además:

estimar un conjunto de parámetros que describe una condición de iluminación para la única imagen digital; y estimar un conjunto de parámetros que describe una condición de iluminación para la imagen digital de referencia.
19.

Un procedimiento de reconocimiento facial como se define en la reivindicación 4, en el que calcular una puntuación de semejanza comprende además:

igualar la puntuación de las características faciales con un intervalo [0, 1]; igualar la puntuación de las características del iris con un intervalo [0, 1]; igualar la puntuación de las características de la piel con un intervalo [0, 1]; y calcular la puntuación de semejanza en base a la puntuación igualada de las características faciales, a la puntuación igualada de las características del iris, y a la puntuación igualada de las características de la piel.