Gutiérrez Gutiérrez, JorgeCépeda Neira, Lourdes del PilarRoncal Lázaro, Selwyn5/24/20185/24/20182017https://hdl.handle.net/20.500.14414/10260The present investigation determines the level of efficiency that is obtained by recognizing faces using an intelligent system based on Hopfield neural networks, for which the system has phases to perform, the first one corresponding to the pre-processing of images, comprises in a first Application of image enhancement filters, such as medial, sobel or high pass, and in a second instance to the binarization with histogram, normalization, detection and trimming of the face using the Viola-Jones algorithm, which is Provided by the Matlab work tool, after pre-processing, the next phase corresponds to the learning of the images, which once processed are transformed to vectors by methods that make these vectors unique to each other and that will be those that enter the network Neural as a set of patterns and be learned, finally the phase that involves the operation of the system, which is to recognize the image entered based on what has been learned, this includes the input of the pre-processed and transformed image to vector To the neural network for be acknowledged._x000D_ Under the use of some variables such as the number of images and conditions of the same, certain limitations were found that hindered a good performance of the system, however, the adequate solution was found that allows the image recognition of the face with a percentage of Accuracy greater than 90%, with which it was possible to conclude that the intelligent system obtains acceptable results for the problem of face recognitionLa presente investigación determina el nivel de eficiencia que se obtiene al reconocer rostros usando un sistema inteligente basado en redes neuronales de Hopfield, para lo cual el sistema tiene fases a realizar, la primera que corresponde al pre-procesamiento de imágenes, comprende en una primera instancia a la aplicación de filtros de mejoramiento de imágenes, tales como mediana, sobel o paso alto, y en una segunda instancia a la binarización con histograma, normalización, detección y recorte del rostro haciendo uso del algoritmo de Viola-Jones, el cual es proporcionado por la herramienta de trabajo Matlab, concluido el pre-procesamiento la siguiente fase corresponde al aprendizaje de las imágenes, que una vez procesadas se transforman a vectores mediante métodos que hagan únicos a dichos vectores entre sí y que serán los que ingresen a la red neuronal a modo de conjunto de patrones y sean aprendidos, por último la fase que involucra al funcionamiento del sistema, el cual es el reconocer la imagen ingresada en base a lo aprendido, esto comprende al ingreso de la imagen pre-procesada y transformada a vector a la red neuronal para ser reconocida._x000D_ Bajo la utilización de algunas variables como la cantidad de imágenes y condiciones de las mismas, se encontraron ciertas limitaciones que dificultaron una buena performance del sistema, sin embargo, se halló la solución adecuada que permite el reconocimiento de la imagen del rostro con un porcentaje de acierto mayor al 90%, con lo cual se pudo concluir que el sistema inteligente obtiene resultados aceptables para el problema de reconocimiento de rostrosspainfo:eu-repo/semantics/openAccessInteligencia, Sistema, Rostros, Neuronalinfo:eu-repo/semantics/bachelorThesis