Adquisición de puntos característicos de la cara e implementación de un reconocedor de patrones para la detección de síndromes

Abstract

Este proyecto consiste en la implementación de una aplicación, que permita, através de la detección de puntos característicos faciales, obtener un resultado, que determine la existencia o inexistencia de síndromes, pero no todos, sólo aquellos que se visualicen en el fenotipo del ser humano, en particular, en la cara. Se parte de las fases en las que se ha dividido el proyecto para poder comprender y afinar en los detalles relevantes en su desarrollo. Estas fases tienen también un carácter organizativo, y de esta manera se sigue un orden en la manera de desglosar y conducir el proyecto. Estas fases son: planificación, análisis, diseño, implementación y pruebas. La primera fase: planificación. Ha sido concebida para organizar las actividades, los recursos y los riesgos, que se van a tener que soportar y hacer frente en el desarrollo del proyecto. Es decir, la duración de actividades y recursos, cuándo y dónde se usa cada recurso, y cómo solventar los riesgos, que puedan aparecer. Para la siguiente fase, el análisis, se ha obtenido la información necesaria, que contiene los datos que se desea que sean adaptados en la aplicación. Esa información extraída se ha estudiado y representado en documentos específicos para una mejor comprensión y visualización. Estos documentos han sido realizados mediante ciertos programas, que facilitan un análisis rápido y eficaz. En la fase de diseño se han desarrollado los prototipos referentes a la interfaz gráfica de usuario, se ha investigado las APIs existentes para la detección de puntos faciales. Posteriormente, se han hecho múltiples pruebas con diversas técnicas de aprendizaje automático para la construcción de patrones. Las APIs encontradas para la realización de la tarea de obtener puntos faciales se han dividido en: aquellas que se podrían adaptar al mismo proyecto y las que necesitan de una conexión a Internet. Dentro de esa diferencia se eligen aquellas que devuelvan el mayor número de puntos, siempre que sean relevantes en el posterior estudio de ellos. La implementación está centrada en la aplicación de métodos o medidas de los datos extraídos en las fases anteriores. Conlleva la programación de las tareas y la adaptación de la API y RNA, que integrará la técnica de aprendizaje automático que mejores resultados ofrezca. Como última fase: las pruebas. En ella se realizan una serie de ensayos para la comprobación y corrección de aquellas partes que provoquen el mal funcionamiento del proyecto. Por último se redactan las conclusiones, observaciones relevantes durante el progreso y posibles mejoras futuras.