Estudio comparativo sobre el uso de técnicas, modelos y / o algoritmos, basados en características biométricas y soft-biométricas para la Re-Identificación de personas, mediante arquitecturas de altas prestaciones, CPUs y GPUs.

Abstract

Este estudio compara distintos métodos de Re-Identificación de personas a partir de datos biométricos (rostro) y soft-biométricos (silueta corporal, textura y color de la ropa). El objetivo es identificar personas en condiciones controladas utilizando distintos enfoques, modelos y algoritmos de los campos de la Visión por Computadora y el aprendizaje automático. Todo esto se lleva a cabo aprovechando el poder de arquitecturas de alto rendimiento, lo que impulsa la capacidad de procesamiento y análisis de datos a niveles que antes eran inalcanzables. En este estudio se investiga diversas técnicas, modelos y algoritmos basados en características biométricas y soft-biométricas, estableciendo un enfoque integral que combina múltiples aspectos de la identificación individual. Además del reconocimiento facial, se está investigando la detección y Re-Identificación de personas a partir de la silueta corporal, la textura y el color de la ropa para mejorar la precisión y la velocidad en una variedad de situaciones y condiciones. Esto abre la puerta a aplicaciones más versátiles, desde la seguridad en espacios públicos hasta la autenticación en plataformas digitales. También, se analiza distintos métodos de aprendizaje, incluidos los enfoques holísticos que consideran la totalidad de la información disponible y los enfoques específicos que se centran en atributos individuales. Mediante el uso de técnicas avanzadas de aprendizaje automático y arquitecturas de alto rendimiento, como CPUs y GPUs, se busca mejorar la precisión y eficacia de los sistemas de Re-ID para determinar la solución más adecuada a esta investigación. Este estudio busca sentar las bases para futuros avances en la Re-Identificación, contribuyendo al progreso tecnológico y a la seguridad en una sociedad cada vez más digitalizada.