El Retrato Hablado

UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMÁTICA
TESIS DE GRADO
“RETRATO HABLADO COMO SISTEMA DE IDENTIFICACIÓN

APLICANDO INTELIGENCIA ARTIFICIAL”
PARA OPTAR AL TÍTULO DE LICENCIATURA EN INFORMÁTICA

MENCIÓN: INGENIERÍA DE SISTEMAS INFORMÁTICOS
POSTULANTE: MARCIA MACIEL ENRÍQUEZ SOTO

TUTORA METODOLÓGICA: M.Sc. FÁTIMA CONSUELO DOLZ DE MORENO
ASESOR: LIC. JAVIER REYES PACHECO
LA PAZ – BOLIVIA
2013
UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES
CARRERA DE INFORMÁTICA
LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

NATURALES PERTENECIENTE A LA UNIVERSIDAD MAYOR DE SAN ANDRÉS
AUTORIZA EL USO DE LA INFORMACIÓN CONTENIDA EN ESTE
DOCUMENTO SI LOS PROPÓSITOS SON ESTRICTAMENTE ACADÉMICOS.
LICENCIA DE USO
El usuario está autorizado a:
a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

b) copiar, almacenar o imprimir si ha de ser de uso exclusivamente personal y privado.
c) copiar textualmente parte(s) de su contenido mencionando la fuente y/o haciendo la
referencia correspondiente respetando normas de redacción e investigación.
El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

material, sin la autorización correspondiente.
TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

CONTENIDOS PUBLICADOS EN ESTE SITIO DERIVARA EN EL INICIO DE
ACCIONES LEGALES CONTEMPLADOS EN LA LEY DE DERECHOS DE AUTOR.
INDICÉ ESPECÍFICO
CAPITULO I
PRELIMINARES
1.1 Introducción 1
1.2 Antecedentes 2
1.3 Planteamiento del Problema 4
1.3.1 Descripción 4
1.3.2 Análisis 5
1.4 Formulación del Problema 6
1.4.1 Problema Central 6
1.5 Objetivos de la Investigación 6
1.5.1 Objetivo General 6
1.5.2 Objetivos Específicos 6
1.6 Hipótesis 7
1.7 Justificación de la Investigación 7
1.7.1 Justificación Científica 7
1.7.2 Justificación Social 7
1.7.2 Justificación Económica 8
1.7.2 Justificación Metodológica 8
1.8 Método de Investigación 8
1.8.1 Método Científico 8
1.9 Límites y Alcances 9
1.9.1 Limites 9
1.9.2 Alcances 9
CAPITULO II
2. MARCO TEÓRICO
2.1 Inteligencia Artificial 10
2.1.1 Inteligencia Artificial y Sistemas Expertos 11

2.2 Sistemas Basados en Conocimientos 12
2.2.1 Sistemas Expertos 12
2.2.1.1 Componentes de un Sistema Experto 14
2.2.1.2 Ciclo de Vida del Sistema Experto 16
2.2.2 Adquisición del Conocimiento 16

2.2.2.1 Tipos de Conocimiento 17
2.2.2.2 Representación del Conocimiento 17
2.2.2.3 Técnicas de Representación del Conocimiento 18
2.2.2.3.1 Lógica 18
2.2.2.3.2 Armazones 18
2.2.3 Sistema Expertos Difusos 20
2.2.3.1 Lógica Difusa 20
2.2.3.2 Conjuntos Difusos 22
2.2.3.3 Variables Lingüísticas 23
2.2.3.4 Universo de Discurso 24
2.2.3.5 Estructura de los Sistemas Expertos Difusos 24
2.2.3.6 Fuzzificación 24
2.2.3.7 Mecanismo de Inferencia 24
2.2.3.8 Defuzzificación 25
2.2.3.9 Método del Máximo 25
2.2.3.10 Método de la Altura 26
2.2.3.11 Métodos de Razonamiento Difuso 26
2.2.3.12 Método Mamdani 27
2.3 El Retrato Hablado y su Concepción Criminalística 27
2.3.1 Elaboración de Retratos Hablados del Tipo Compuestos 28

2.3.2 El Retrato Hablado Gráfico 29
2.3.4 Retratos de Progresión por Edad (En Menores) 30
2.3.5 Reconstrucciones Faciales 30
2.4 Identificación Humana 30
2.4.1 Clases de Identificación 30
2.4.2 Técnica de la Identificación Personal y Descriptiva 31
2.4.3 La Identificación Natural 32
2.4.4 Sistema de Identificación de Persona 33
2.5 Métodos de Coincidencia de Plantillas 34

2.5.1 Plantillas predefinidas 35
2.6 Metodologías de Desarrollo de Sistemas Expertos 36

2.6.1 Método Ideal 36
2.6.1.1 fase I. identificación de la tarea 36
2.6.1.2 Fase II. Desarrollo de los prototipos 38
CAPITULO III
3. MARCO PRÁCTICO 41
3.1 Desarrollo del Prototipo 41

3.2 Metodología de Desarrollo Ideal 41
3.2.1 Identificación de la Tarea 43
3.2.2 Adquisición y Conceptualización de los Conocimientos 43
3.2.3 Definición y Codificación de variables lingüísticas 43
3.2.4 Formalización del Conocimiento 44
3.2.5 Definición de Conjuntos Difusos 45
3.2.5.1 Descripción de Variables 47
3.2.6 Definición del Método Difuso 52
3.2.7 Sistema de Inferencia 53
3.2.8 Obtención de la Salida del Sistema Difuso 54
3.3 Elección del Software 54

3.4 Descripción del Prototipo 54
3.4.1 Diseño de Interfaz del Prototipo 56
3.4.1.1 Creación de Rasgos Faciales del Prototipo 57
CAPITULO IV
4. CONCLUSIONES Y RECOMENDACIONES
4.1 Conclusiones 66
4.2 Comprobación de la Hipótesis 66

4.3 Estado de los Objetivos 69
4.3.1 Objetivo General 69
4.3.2 Objetivos Específicos 69
4.4 Recomendaciones 70
4.5 Trabajos Futuros 70

INDICÉ DE FIGURAS
Pág.
Figura 2.1. Relaciones entre IA y la INCO 10
Figura 2.2. Método Algorítmico y heurístico 13
Figura 2.3. Componentes de un Sistema Experto 14
Figura 2.4 Ejemplo de un Conjunto Difuso 22
Figura 2.5 Ejemplo valores reales de un Conjunto Difuso 23
Figura 2.6 Elementos de un Conjunto Difuso 23
Figura 2.7 Arquitectura de un Sistema Experto Difuso 24
Figura 2.8 Según Bertillón 33
Figura 2.9 Ubicación de la punta de la nariz y el centro de la boca 35
Figura.3.1 Retrato hablado de "Bochas" 41
Figura 3.2 Etapas de desarrollo del sistema experto 42
Figura 3.3 Zonas de interés en una cara detectada para ojo izquierdo, ojo derecho, nariz y boca. 45
Figura 3.4 Regiones utilizadas para cada componente facial. El sistema de coordenadas esta en
proporción al modelo de cara. Se señalan en blanco las regiones de ojo izquierdo, ojo
derecho y boca. 45
Figura 3.5 Procesos del Prototipo 46
Figura 3.6 Árbol de Descomposición Funcional 46
Figura 3.7 Formas del Rostro 47
Figura 3.8 Altura de las Cejas 48
Figura.3.9 Dirección de las cejas 48
Figura 3.10 Conjuntos Difusos de la Variable Cejas 49
Figura 3.11 Variable Nariz y sus Medidas 49
Figura3.12 Diferentes Tipos de Nariz 50
Figura 3.13 Anchura de la Boca 51
Figura3.14 Labios en forma de Corazón 51

Figura 3.15 Conjunto Difuso para la variable Boca 52
Figura 3.16 Arquitectura del Sistema Difuso Mandani 53
Figura 3.17 Esquema de Funcionamiento del Prototipo 55
Figura 3.18 Diagrama de Funcionamiento del Prototipo 56
Figura 3.19 Interfaz Principal del Prototipo 56
Figura 3.20 Pantalla Captura de Rasgos Faciales 57
Figura 3.21 Descripción de la Forma del rostro 58
Figura 3.22 Descripción de la forma de cejas 59
Figura 3.23 Descripción de la forma de ojos 59
Figura 3.24 Descripción de la forma de nariz 60
Figura 3.25 Rasgos Adicionales 60
Figura 3.26 Pantalla Forma de Rostro 1 61
Figura 3.29 Pantalla de Coincidencias 64
Figura 3.30 Pantalla de Coincidencias 2 64
Figura 3.31 Pantalla de coincidencias 3 65
Figura 3.32 Pantalla de coincidencias 4 65

INDICÉ DE TABLAS
Pág.
Tabla 2.1 Representación del conocimiento mediante un armazón 19
Tabla 2.2 Ejemplo de Conjunto Difuso 22
Tabla 2.2 Métodos de Inferencia 26
Tabla 3.1 Atributo Valor 44
Tabla 3.2 Descripción de características de la Nariz 50
Tabla 3.3 Descripción de características de la boca 51
Tabla 3.4 Inferencia difusa MPG 53
Tabla 3.5 Descripción de campos de la Base de Datos 58
Tabla 3.6 Patrones Faciales retrato1 61
Tabla 3.7 Patrones Faciales retrato 2 62
Tabla 3.8 Patrones Faciales retrato 3 63
Tabla 4.1 Casos de Estudio 67

AGRADECIMIENTOS
Agradezco a la M.sc. Fátima Consuelo Dolz de Moreno por la paciencia y voluntad de

ayudarme para la culminación de la Tesis, por haberme brindado siempre su apoyo
incondicional en todo momento, y por su colaboración, además agradecerle por su
completa colaboración al poner a disposición sus conocimientos.
Al Licenciado Javier Reyes Pacheco por los consejos y sugerencias para el desarrollo y la
culminación del presente trabajo.
Al Lic. Rodas, Saavedra, Julio Vega, Jorge Botelho y compañeros de trabajo por la
colaboración brindada en todo momento para la realización de la Tesis.
Muchas gracias a todos de todo corazón y que Dios los Bendiga siempre.
DEDICATORIA
A mi familia:
Mi papa René Enríquez, mi mamita Vilma Soto y a mi querida

hermanita Carla, por el cariño y amor que siempre me
brindan, por los sacrificios y los valores que siempre me
inculcaron.
Especialmente a Dios mi confidente quien siempre estuvo

conmigo, me abrió caminos, me dio fuerzas para continua, y
ánimos para no desfallecer y realizar uno mas de mis
objetivos en esta vida.
RESUMEN
La presente tesis plantea una propuesta de un prototipo que puede ser utilizado como una
herramienta valiosa para le elaboración de un retrato de una persona. Los retratos hablados
son usados regularmente como una referencia para alertar a la comunidad de sospechosos
de crímenes y poder aprehenderlos lo antes posible. El retrato hablado como una disciplina
artística mediante la cual se elabora el retrato o rostro de una persona extraviada o cuya
identidad se ignora tomando como base los datos fisonómicos aportados por testigos e
individuos que conocieron o tuvieron a la vista a quien se describe.
Las imágenes son ampliamente utilizadas como una de las fuentes más importantes de
información, sobre todo en el contexto de las aplicaciones centradas en el ser humano.
Uno de los problemas más fundamentales para mantener la organización social, sostener el
orden general y tener éxito en el cumplimiento de las leyes, consiste en la correcta
identificación o individualización de las personas.
Se diseña esta herramienta, la cual realiza el retrato hablado de una persona y además da
como posible coincidencia de 1 a 4 personas , realizando una búsqueda en la Base de Datos
de rostros la cual están almacenados según sus características propias de cada patrón o
rasgo facial que cuenta con su respectiva descripción.
Posteriormente se realiza este prototipo a través de Matlab, se diseña una Base de Datos en
la cual están almacenadas imágenes de rasgos faciales extraídas de fotografías tomadas a
personas reales, para un mejor resultado.
Par ello considera personas comprendidas de 21 a 45 años de edad, para la elaboración del
retrato utilizando esta herramienta.
De los resultados de las pruebas, se evalúa este sistema llegándose a la conclusión que los
retratos tiene un grado de confiabilidad de un 87% respecto a los resultados.
ABSTRACT
This thesis presents a proposal for a prototype that can be used as a valuable tool for
preparing him a portrait of a person. The sketches are regularly used as a reference
to alert the community of crime suspects and to apprehend them ASAP. The sketch
as an artistic discipline in which the portrait or face of a person whose identity is
lost or ignored based on the physiognomic data provided by witnesses and
individuals who knew or had in view who is described is made.
Images are widely used as one of the most important sources of information,
especially in the context of applications centered on humans.
One of the most fundamental problems in maintaining social organization,

supporting the general order and succeed in law enforcement, is the correct
identification or identification of persons.
This tool is designed , which takes the sketch of a person and also gives a
possible match 1-4 persons, by searching the database of faces which are stored
according to their own characteristics or pattern of each facial feature that account
with description .
Later this prototype is done through Matlab, a database in which are stored
images of facial features extracted from pictures taken by real people , for better
results is designed.
Par believes it included persons 21 to 45 years old, for the development of

the portrait using this tool.
From the test results , this system and concluded that the portrait has a reliability
level of 87 % compared to the results is assessed
PRELIMINARES
RESUMEN
En este capítulo se muestra los antecedentes relacionados con el tema
de investigación, se mencionan trabajos similares relacionados, se
definen los problemas, objetivos tanto general como específicos, se
realiza el planteamiento de la hipótesis, la justificación del trabajo en el
ámbito científico social y económico.
1.1 INTRODUCCIÓN
Desde el punto de vista humano, la forma más sencilla de reconocer personas es

mediante el rostro, este tiene características únicas como la distancia entre los ojos,
anchura de la nariz, forma de la barbilla, pómulos, forma de la boca, etc.
Uno de los dominios de investigación más activos en la última década, dentro de la

disciplina de la visión por computador, es el que se ha dado en llamar el área “mirando a
la gente”.
Es sorprendente la cantidad de información que los humanos podemos extraer mirando a

simple vista una imagen donde aparecen rostros de otras personas; y más aun lo que
podemos llegar a deducir fijándonos en todos los aspectos y detalles de la imagen.
De forma genérica, se enmarcan en ella todos los sistemas de procesamiento de

imágenes, reconocimiento de patrones y percepción artificial, cuyo objeto de estudio son
los seres humanos.
La identificación criminal fue y sigue siendo uno de los retos principales de la

Criminalística como disciplina, que si bien no es un área única, tiene por supuesto gran
relevancia por cuanto se dirige fundamentalmente a la individualización de las
características bien sea fenotípicas1 o genotípicas2 del criminal a los efectos de su
1
Fenotípicas Se entiende por fenotipo todos aquellos rasgos particulares y genéticamente heredados de cualquier organismo que
lo hacen único e irrepetible en su clase.
2
Genotípicas se refiere a la información genética que posee un organismo en particular, en forma de ADN.
1
identificación y captura. El retrato hablado debemos clasificarlo además como una
subdivisión de la identificación personal dirigida a la determinación de las características
físicas del presunto delincuente, generalmente a las fisiognómicas [GODOY, 2008].
Este tipo de identificación es común para delitos tales como robo, hurto con
escalamiento, secuestros, lesiones personales cualquiera que sea su tipo, violaciones y en
todas aquellas donde el testigo o el agraviado tuvo contacto visual con el delincuente,
desconociendo cualquier tipo de identificación del mismo. Esta modalidad surge como
una necesidad ante el desarrollo de la protección otorgada por los derechos humanos al
delincuente, ya que el delincuente desde épocas remotas trató de diferenciársele con
características individualizadas causadas por el hombre mismo.
Para lo cual se espera que el prototipo propuesto sea útil para realizar el retrato
hablado de una persona haciendo uso de la inteligencia artificial que ofrecen múltiples
aplicaciones como el procesado de imágenes, reconocimiento de rostros.
1.2 ANTECEDENTES
En los estudios de Identificación Personal, recae en la figura de Alphone Bertillon3

(1853-1954). Fue hijo de Louis Adolphe Bertillon, médico que inicio la aplicación de la
estadística en la Antropología.
El desarrollo de la somatología4 durante la etapa mencionada y hasta la mitad del siglo

XX permitió avanzar en la materia de identificación de personas y la elaboración de
tarjetas de identificación.
Ya para la década de los setenta, los servicios periciales de muchos países contratan a
artistas plásticos con conocimientos de dibujo anatómico y la tarea del “retrato hablado”
recae en estos profesionales de las escuelas clásicas de dibujo y escultura.
3
Bertillón, En 1907 dio a conocer un nuevo método de identificación antropométrica, por él descubierto, basado en una ingeniosa
aplicación de las leyes de la perspectiva en la fotografía.
4
Somatología Es el estudio de las causas emocionales, mentales y espirituales para las situaciones que experimenta el cuerpo, y
cómo estas afecciones pueden permitir el crecimiento personal.
2
Las imágenes son ampliamente utilizadas como una de las fuentes más importantes de
información, sobre todo en el contexto de las aplicaciones centradas en el ser humano,
tal como: vigilancia de seguridad, desarrollo de sistemas biométricos, juegos multimedia
de interacción hombre – máquina, realidad virtual, videoconferencias, indexación y
codificación [EKENEL, 2004].
El Retrato Hablado es una de las técnicas que se emplean en la disciplina o especialidad

de la Técnica Criminalística denominada Habitología Criminalística.
Debe su nombre a Alphonse Bertillon (1853-1915), quién después de comprobar

prácticamente los resultados de su sistema de identificación antropométrico y ostentar
además la responsabilidad de la dirección del Instituto de Identificación de la Prefectura
de Policía de París, en 1885, creó un sistema de identificación de las personas por sus
rasgos exteriores, al que denominó "Retrato Hablado"; este sistema fue completado más
tarde en 1912 por el criminalista alemán Rudolph Archibald Reiss, quién lo convirtió,
agregándole un retrato propiamente dicho desde el punto de vista plástico, en el "Retrato
Hablado" que hasta hoy es exitosamente empleado por todas las policías del mundo, y
que constituye sin discusión, la carga fundamental de la Habitología Criminalística en
cualquier sistema de enfrentamiento[POSADA, 1992].
El retrato hablado como una disciplina artística mediante la cual se elabora el retrato o
rostro de una persona extraviada o cuya identidad se ignora tomando como base los
datos fisonómicos aportados por testigos e individuos que conocieron o tuvieron a la
vista a quien se describe [LECHA, 2009].
En Bolivia por el alto grado de delincuencia el retrato hablado es utilizado por las
autoridades de nuestro país para iniciar la búsqueda de sospechosos que participaron en
una actividad delictiva por tanto constituye un factor importante en el reconocimiento de
delincuentes.
La detección de personas en una imagen o video es un tema ambicioso desde hace ya
bastante tiempo, y cada vez se exige una mayor precisión ante entornos cada vez más
difíciles se pueden encontrar diversas aplicaciones relacionadas al retrato hablado o
llamado también identikit como son la identificación de criminales.
3
Dentro la carrera de Informática en la Universidad Mayor de San Andrés se encontró las
tesis de grado perteneciente a:
Tesis de Grado “Predicción de Rasgos Faciales utilizando inteligencia artificial”,

realizado por Fabián Ramos Mamani, en la Universidad Mayor de San Andrés (UMSA)
el año 2007, la cual tiene como objeto principal determinar los rasgos faciales de una
persona en un tiempo estimado, utilizando las técnicas de la inteligencia artificial.
A nivel internacional existen algunos sistemas como:
El Identikit5: para la realización de un rostro en este sistema se utiliza un kit de

imágenes parciales preparadas con antelación que interrelacionadas generan un
prototipo facial.
El Foto Kit: la realización del retrato en este caso se logra por la interrelación de un
kit de fotos con parciales fisonómicos.
El retrato Robot o Informático: éste se realiza mediante el uso de un programa que

cuenta con un limitado kit de morfos, parciales que interrelacionados generan un
rostro. Existen los más conocidos como el Faces o el Faccete utilizados actualmente
en Europa.
1.3 PLANTEAMIENTO DEL PROBLEMA
1.3.1 DESCRIPCION
Al decir Retrato Hablado nos basamos en el claro hecho que en la actualidad no

podemos hablar del típico experto que con una hoja blanca y un lápiz realiza retratos de
personas a partir de testimonios dejando a un lado la evolución existente en esta materia,
ya que en este mundo moderno en el que vivimos el retrato hablado ha evolucionado a
través de sistemas.
5
Identikit Es una técnica utilizada por la Policía para que las víctimas de un delito aporten datos y luego se disponga el pedido de
captura de la persona que cometió el hecho.
4
Estas características personales, bien físicas o de comportamiento, permiten realizar la
identificación de cada individuo de forma univoca y ofrecer de esta forma la solución
del problema generado por la seguridad convencional.
 Inseguridad en ambientes públicos frente a delincuentes prontuariados.
 Acceso a los establecimientos gubernamentales restringidos para personas no
autorizadas.
 Acceso a los establecimientos bancarios propenso a robos o desfalco.
 Búsqueda infructuosa de niños extraviados o secuestrados.
Por tanto la automatización del proceso de elaborar un retrato hablado pretende mejorar
el tiempo para realizar un identikit creando uno que se asemeje a la verdadera persona.
1.3.2 ANÁLISIS
La “identificación física” de las personas, por medio de rasgos, particularidades y otras

características, permitirá a la autoridad judicial, al investigador criminal, a la policía de
vigilancia o preventiva, a testigos y victimas, tener buenas bases para la descripción del
autor o autores de la conducta delictiva. Para ellos es indispensable volver sobre los
antecedentes que existen sobre el tema.
Uno de los problemas más fundamentales para mantener la organización social, sostener
el orden general y tener éxito en el cumplimiento de las leyes, consiste en la correcta
identificación o individualización de las personas. Al respecto manifiesta el científico
Español Federico Oloriz Aguilera6, cada vez que nos encontramos con individuos de
nuestra familia o con conocidos nuestros, los identificamos haciendo un cotejo mental
instantáneo e inconsciente entre el hermano o el amigo que se nos presenta y la imagen
estereotipada7 que de él tenemos en nuestra memoria.
Si las personas no pudieran reconocerse vivirían sin una verdadera asociación y si el

instinto, el sentido o el proceso de identificación cesarán de repente, se extinguiría la
organización social y nos veríamos ante una confusión mayor. Se concluye, entonces,
que el hombre como persona social, como ser y como miembro de una sociedad,
6
Aguilera “la identificación es el acto más elemental y frecuente en la vida social del ser humano”
7
Estereotipada Imagen o idea aceptada comúnmente por un grupo o por una sociedad y que tiene un carácter fijo.
5
necesita el proceso de identificación, sin el cual no podría subsistir ninguna
organización. La identificación parte del principio de que no hay en el mundo dos cosas,
producto de la naturaleza, que sean absolutamente iguales. La identificación es una
verdad evidente que por sí misma permite aseverar que todo ser es igual a sí mismo y no
puede ser igual a otro.
1.4 FORMULACIÓN DEL PROBLEMA
1.4.1 Problema Central
La técnica de identificación facial con el Retrato Hablado es realizada con la descripción

verbal poco acertada dificultando la construcción del parecido y la identificación de
características faciales.
1.5 OBJETIVOS DE LA INVESTIGACIÓN
1.5.1 OBJETIVO GENERAL
Desarrollar un prototipo para realizar el Retrato Hablado mediante una selección de

imágenes faciales basado en los Sistemas Expertos que permita la identificación de
características faciales en una Base de Datos.
1.5.2 OBJETIVOS ESPECÍFICOS
 Obtener características faciales mediante una base de datos de imágenes de

rostros.
 Obtener una base de datos con diferentes características faciales y su
variable de descripción según su clasificación.
 Determinar la construcción del Retrato Hablado mediante patrones faciales
variables.
 Realizar la selección de características faciales mediante una base de datos
de imágenes de rostros.
variable de descripción.
6
 Realizar una búsqueda optima de la coincidencia con la base de datos y el
retrato hablado construido.
 Mostrar los resultados de la construcción del Retrato Hablado y la
identificación facial.
1.6 HIPÓTESIS
“La construcción de un prototipo que realice el Retrato Hablado basado en

sistemas expertos que permita la identificación facial mas descriptiva de personas
para su identificación”
1.7 JUSTIFICACIÓN DE LA INVESTIGACIÓN
1.7.1 Justificación Científica

Este trabajo tiene relevancia científica porque pretende obtener un prototipo, a
partir del cual se identifique a una persona, por cuanto ayudara a obtener
información precisa del individuo buscado.
1.7.2 Justificación Social
Una de las características de las tecnologías de identificación facial es justamente
que puede ser implementada, se justifica ya que el tipo de investigación permite
a la sociedad generar una visión más clara de los efectos que produce las
frecuencias y señales de una imagen, ya que en nuestro medio es frecuente el uso
de cámaras web con la que se pueden capturar imágenes para la identificación
facial y distintas aplicaciones.
El Retrato Hablado es definido, como el Arte Forense, como la ciencia que aplica
predominante las Artes Visuales en conjunción con conocimientos provenientes
de diversas disciplinas científicas y tecnológicas, con la finalidad de crear
imágenes que podrán ser utilizadas como instrumentos de investigación dentro de
la procuración y administración de justicia.
7
1.7.3 Justificación Económica
La viabilidad económica se ha convertido en un factor preponderante en el
desarrollo de todo trabajo de investigación.
La presente propuesta, está orientado para su desarrollo en el ámbito local; de
alguna manera minimiza los costos de operación y búsqueda de información. La
tesis se justifica de manera económica por la necesidad que tienen los usuarios
finales de contar con una herramienta que permita realizar este trabajo de manera
automática.
1.7.4 Justificación Metodológica
Este trabajo se sustenta en que se utilizara como herramienta fundamental la

investigación científica que permitirá obtener conocimiento de los diferentes
tópicos a estudiar para luego efectuar un análisis de los mismos a través del
proceso de síntesis.
Será fuente importante de información la revisión bibliográfica de libros, tesis

complementada por el análisis de la información brindada por Internet y las
revistas especializadas.
1.8 MÉTODO DE INVESTIGACIÓN
La metodología y la herramienta de investigación a usarse en esta investigación se

basan en el método científico, tomándose en cuenta la técnica de desarrollo de
sistemas y técnicas de ingeniería humana, estos métodos y herramientas se
encuentran desglosados en los anexos que se mencionan posteriormente.
8
1.8.1 MÉTODO CIENTÍFICO
Se tiene en la recopilación de datos, su ordenamiento y su posterior análisis, estos pasos

establecidos por Mario Bunge.
a) Definición del Problema

 Descubrimiento del problema
 Formulación del Problema
 Planteamiento de la Hipótesis y Objetivos
b) Construcción del Marco Teórico
 Búsqueda de los soportes racionales
 Búsqueda de los soportes empíricos
c) Diseño
 Diseño de la Prueba
 Aplicación de la Prueba
 Recopilación de datos
d) Conclusiones y Recomendaciones
 Comprobación de las conclusiones con la hipótesis
 Sugerencias del trabajo (Recomendaciones)
1.9 LIMITES Y ALCANCES
1.9.1 LIMITES
 El prototipo solo aceptara como entrada de datos imágenes de rostros de

frente.
 El prototipo no aceptara como imágenes las descritas de perfil, donde solo se
ve una parte del rostro.
 El prototipo no realiza el retrato de personas de distintos tonos de piel, no
considera el color de ojos.
 El retrato diseñado será solo en blanco y negro.
9
1.9.1 ALCANCES
 Se realizara el retrato hablado de personas de edades menores a 45 y mayores
a 21 años.
 El prototipo está basado en la inteligencia artificial más propiamente en la
teoría de los conjuntos difusos que es parte de la lógica difusa.
 El prototipo presenta los resultados mediante imágenes que reflejen el grado
de similitud del rostro descrito en blanco y negro.
 El prototipo presenta los resultados mediante imágenes que reflejen el grado
de similitud del rostro descrito.
10
2. MARCO TEÓRICO
Resumen
En este capítulo se presentan las bases teóricas de la
presente tesis, así también se presentan algunas
definiciones y conceptos, profundizando el tema de
identificación personal basados en retratos hablados.
2.1 INTELIGENCIA ARTIFICIAL
La Inteligencia Artificial (IA) tiene como propósito reproducir las acciones y el

razonamiento de los seres vivos inteligentes en dispositivos artificiales, cuyo objetivo es
conseguir una teoría comprensiva de la inteligencia tal y como aparece en animales y
maquinas. Para alcanzar este objetivo, la IA se enfrenta a dos dificultades esenciales:
La primera radica en que los seres humanos no saben realmente como realizar la
mayoría de sus actividades intelectuales,
La segunda consiste en que las computadoras no se enfrentan a esas tareas de la misma
manera que los seres humanos, dado que tienen que estar previamente programadas en
lenguajes en los que solo es posible expresar conceptos muy elementales. Tal vez, el
ejemplo más paradigmático de máquinas inteligentes, por el éxito que están alcanzando,
sean los sistemas basados en conocimientos, en general, y los sistemas expertos. A la
actividad de construir estos sistemas se le denomina Ingeniería del Conocimiento, en
adelante INCO, cuya misiones adquirir, formalizar, representar y usar grandes
cantidades de conocimiento de la más alta calidad y específicos de una tarea. Las
relaciones entre la IA aplicada a la INCO aparecen esquematizadas en la figura 2.1
[GARCÍA, 2004].
Figura 2.1. Relaciones entre IA y la INCO

FUENTE [GARCÍA, 2004]
11
La IA busca identificar procedimientos, métodos y técnicas que se asocian a la
capacidad de pensar y razonar hasta de manera inteligente. En este proceso pretende
automatizar las tareas del pensamiento y razonamiento humano, proveyendo un modelo
cognitivo de su funcionamiento.
2.1.1 INTELIGENCIA ARTIFICIAL Y SISTEMAS EXPERTOS
Desde que el hombre apareció en la tierra ha tratado de crear toda clase de maquinas y
herramientas que le ayuden a reducir el esfuerzo en el trabajador; por ejemplo: el
transporte, el trabajo de campo, el cansancio mental, etc.
Las computadoras no fueron la excepción de esta tendencia, desde el inicio los

informáticos han desarrollado técnicas que permitan a las computadoras jugar, discernir,
aprender, tomar decisiones , emitir juicios, hablar, enseñar, deducir, es decir, “hacer que
los ordenadores hagan cosas que por el momento las personas realizan de una forma más
perfecta” [RICH & KNIGHT, 1994].
El amplio campo de la inteligencia artificial trata de estos problemas, que en un

principio parecían imposibles, intratables y difíciles de formular utilizando ordenadores.
Barry Fergenbaum 1981, dos de los pioneros de la investigación en sistemas expertos,
definen a la inteligencia artificial como:”La inteligencia artificial es la parte de la ciencia
que se ocupa del diseño de sistemas de computación inteligentes, es decir, sistemas que
exhiben las características de que asociamos a la inteligencia en el comportamiento
humano, que se refiere a la comprensión del lenguaje, el aprendizaje, el razonamiento, la
resolución de problemas, etc.”
En la primera década de investigación, en inteligencia artificial, se centraba el desarrollo

de mecanismos de búsqueda de propósito general, en los que se entrelazaban elementos
de razonamiento básicos para encontrar así soluciones completas. A estos
procedimientos se les ha denominado métodos débiles [RUSSELL & NORVIG, 2004].
Debido a que no tratan problemas más amplios o más complejos. La alternativa a los
12
métodos débiles es el uso del conocimiento especifico del domino que facilita el
desarrollo de etapas de razonamiento más largas, pudiéndose así resolver casos
recurrentes en dominios de conocimiento restringido.
Edward Feigenbaum (1982), define a los sistemas expertos como:” un programa de

computación inteligente que usa el conocimiento y los procedimientos de inferencia para
resolver problemas que son los suficientemente difíciles como para requerir significativa
experiencia humana para su solución”.
Según Giarratano y Riley (2001), un sistema experto “es un sistema de computo que
emula la habilidad de tomar decisiones de un especialista humano”.
Los sistemas expertos hacen un uso amplio del conocimiento especializado como un
especialista humano, este conocimiento puede obtenerse mediante libros, revistas, y con
personas capacitadas.
2.2 SISTEMAS BASADOS EN CONOCIMIENTOS
Los sistemas expertos son llamados así porque emulan el razonamiento de un experto en
un dominio concreto y en ocasiones son usados por éstos. Con los sistemas expertos se
busca una mejor calidad y rapidez en las respuestas dando así lugar a una mejora de la
productividad del experto.
2.2.1 SISTEMAS EXPERTOS
Se puede decir que los Sistemas Expertos son el primer resultado operacional de la
Inteligencia Artificial, pues logran resolver problemas a través del conocimiento y
raciocinio de igual forma que lo hace el experto humano[PARSAYE, 1989].
Un Sistema Experto (SE), es básicamente un programa de computadora basado en

conocimientos y raciocinio que lleva a cabo tareas que generalmente sólo realiza un
experto humano; es decir, es un programa que imita el comportamiento humano en el
sentido de que utiliza la información que le es proporcionada para poder dar una opinión
sobre un tema en especial. Otros autores lo definen como sigue: un Sistema Experto es
un programa de computadora interactivo que contiene la experiencia, conocimiento y
13
habilidad propios de una persona o grupos de personas especialistas en un área particular
del conocimiento humano, de manera que permitan resolver problemas específicos de
ése área de manera inteligente y satisfactoria. La tarea principal de un SE es tratar de
aconsejar al usuario [PARSAYE, 1989].
Una de las aplicaciones de las técnicas de razonamiento con hecho y reglas en la

inteligencia artificial son los sistemas expertos, un sistema experto es un programa que
emula el comportamiento de un experto en un dominio concreto, la estrategia consiste
en simular el mecanismo de razonamiento que seguiría un experto humano utilizando el
método heurístico. El método heurístico consiste en aplicar los mecanismos que
subyacen en el razonamiento, y que conducen a un experto humano a un cierto resultado
o conclusión [LAHOZ, 2004].
El conocimiento en el método heurístico es fragmentado en módulos relacionados entre

sí, el método algorítmico requiere un conjunto de datos disponible para llegar a un
resultado o conclusión. Por ejemplo para realizar la operación X + Y se requiere los
valores X e Y, obteniendo el resultado de la suma. En un algoritmo el conocimiento es
complejo, no encontrándose fragmentado. En un problema de diagnóstico, el experto
humano solamente requerirá una parte de los datos, llegando a un resultado o conclusión
mediante un razonamiento adecuado. Tanto en el método algorítmico como en el
heurístico. Como se muestra en la Figura 2.2. El experto humano necesita que se
describa el problema, el método heurístico necesita una descripción parcial no siendo
necesaria una descripción completa como es pertinente en el método algorítmico
[LAHOZ, 2004].
Fig. 2.2. Método Algorítmico y heurístico

Fuente [LAHOZ, 2004]
14
El área del conocimiento humano capturado en un sistema experto se denomina dominio
de la tarea. La tarea se refiere a alguna actividad orientada una meta para resolver un
problema. El dominio se refiere al área dentro la cual se está realizando la tarea. Las
tareas típicas son el diagnóstico, el planteamiento, la programación, la configuración y la
interpretación [DAVID, 1987].
a) La programación basada en reglas es una de las técnicas más usadas para crear
bases de conocimiento. En este paradigma de programación, las reglas se utilizan
para representar conocimiento factual o heurístico, que especifican las acciones
que se realizaran para una situación dada. Una regla se compone de una parte “si:
y de una parte “entonces”. La parte “si” de una regla es una serie de patrones que
especifican los hechos (o los datos) que hacen que se aplique una regla. Junto
con los datos, los hechos también están presentes en la base de conocimiento.
Estos hechos representan las declaraciones verdaderas que se utilizan para
activar las reglas. Una de las ventajas de las reglas. Es su modularidad [DAVID,
1987].
2.2.1.1 Componentes de un Sistema Experto
Un sistema experto está constituido por distinto componente, relacionados entre sí como
muestra la figura 2.3. Los componentes principales son la base de conocimiento y un
programa inferencia llamado máquina de inferencias [SAMPER, 2005].
A continuación se explican de forma individual cada uno de los componentes
Figura 2.3. Componentes de un Sistema Experto

Fuente: [LAHOZ, 2004]
15
b) Base de conocimiento.- La base de conocimiento contiene el conocimiento
especializado extraído del experto en el dominio. Es decir, contiene conocimiento
general sobre el dominio en el que se trabaja. El método más común para representar el
conocimiento es mediante reglas de producción. El dominio de conocimiento
representado se divide en pequeñas partes de conocimiento (reglas). Cada regla consta
de una parte denominada condición y de una parte denominada acción. Cuando el
conocimiento almacenado queda obsoleto o se dispone de conocimiento nuevo, es
relativamente fácil añadir reglas nuevas, eliminar las antiguas o corregir errores en las
existentes. Las reglas suelen almacenarse en alguna secuencia jerárquica lógica, pero
esto no es estrictamente necesario. Se pueden tener en cualquier secuencia y la máquina
de inferencia las usara en el orden adecuado que necesite para resolver un problema.
Una base de conocimiento muy ingenua, para identificar a un automóvil, podría ser la
siguiente [SAMPER, 2005].
Existen reglas de producción que no pertenecen al dominio del problema. Estas reglas se
llaman meta reglas y su función es indicar bajo qué condiciones deben considerarse unas
reglas en lugar de otras. Un ejemplo de meta regla es:
SI hay reglas que usan materias baratas
Y hay reglas que usan materias caras
ENTONCES usar antes las primeras que las segundas
c) Base de datos o base de hechos.- La base de datos o base de hechos es una parte de
la memoria de la computadora que se utiliza para almacenar los datos recibidos
inicialmente para la resolución de un problema. Contiene conocimiento sobre el caso
concreto en el que se trabaja. También se registra en ella las conclusiones intermedias y
los datos generados en el proceso de inferencia. Al memorizar todos los resultados
intermedios, conserva el vestigio de los razonamientos efectuados; por lo tanto, se puede
utilizar para explicar las deducciones y el comportamiento del sistema [SAMPER,
2005].
d) Máquina de Inferencia.- La máquina de inferencia es un programa que controla el
proceso de razonamiento que seguirá el sistema experto. Utilizando los datos que se le
16
suministran, recorre la base de conocimiento para alcanzar una solución. La estrategia
de control puede ser de encadenamiento hacia adelante o de encadenamiento regresivo.
La técnica de encadenamiento hacia delante extrae conclusiones a partir del
cumplimiento de las condiciones de ciertas reglas. Esta estrategia se denomina
“encadenamiento hacia adelante” o “razonamiento de datos dirigidos”, comienza con los
datos conocidos y aplica el modus ponens sucesivamente hasta obtener los resultados
que se requieren. La base de conocimiento y el sistema no dependen del orden en el que
las reglas son establecidas, almacenadas o procesadas. Esta técnica suele utilizarse
cuando la cantidad de datos es potencialmente grande, y resulta de interés algún
conocimiento específico que se toma en consideración.
e) Interfaz Hombre- Máquina.- La interfaz de usuario es el enlace entre el sistema
experto y el usuario. Por ello, para que un sistema experto sea una herramienta efectiva,
debe incorporar mecanismos eficientes para mostrar y obtener información de forma
fácil y agradable. Un ejemplo de la información que tiene que ser mostrada tras el
trabajo de la máquina de inferencia, es el de las conclusiones, las razones que expliquen
tales conclusiones y una explicación de las acciones iniciadas por el sistema experto. Por
otra parte, cuando la máquina de inferencia no puede concluir debido, por ejemplo, a la
ausencia de información, la interfaz de usuario debe obtener la información necesaria del
usuario. Consecuentemente, una implementación inadecuada de la interfaz del usuario
que no facilite este proceso minaría notablemente la calidad de un sistema experto
[CASTILLO, 2005].
2.2.1.2 Ciclo de Vida del Sistema Experto
Uno de los métodos clave de la Ingeniería del Software es el ciclo de vida, que es el
periodo que inicia el concepto del software y termina con su retiro del uso. La
planeación para el mantenimiento y la evolución en las primeras etapas del ciclo de vida,
reduce el costo de estas etapas más adelante [GIARRATANO & RILEY, 2001].
2.2.2 Adquisición del Conocimiento
Según Carrillo (1987), el proceso de adquisición del conocimiento requiere la aplicación
de metodologías, que utilizando técnicas del dominio de la psicología, permiten extraer
17
el conocimiento del experto humano así como su experiencia en el domino, concerniente
al sistema experto a construir.
2.2.2.1 Tipos de Conocimiento

La clasificación del conocimiento en base a un principio general es una difícil y
ambiciosa tarea que han eludido los filósofos durante miles de años. Sin embargo en un
domino restringido dado, no es muy complicado intentar la identificación de algunas
categorías amplias, Así se distinguen las siguientes clases:
a) Conocimiento de conceptos y relaciones. En un esquema similar a un glosario, se
describen las principales entidades y sus relaciones en ese dominio.
b) Conocimiento de procedimientos rutinarios. Corresponden a técnicas estándar y
procedimientos de trabajo. Algunos de estos conocimientos podrían no estar en
manuales, sino constituir parte importante del conocimiento del experto.
c) Hechos y heurísticas. Corresponde a hechos en particular, así como reglas prácticas
utilizadas en la realización de tareas.
d) Conocimiento clasificatorio. Mediante el cual se hace una distinción muy fina entre
distintos conceptos similares.
Estas categorías según indican Wielinga y Breuker (1984), no son la única manera de
clasificar el conocimiento, ni la mejor. El aspecto importante es conocer la existencia de
distintos tipos de conocimiento.
2.2.2.2 Representación del Conocimiento
El campo de la representación del conocimiento se refiere a los mecanismos para
representar y manipular la información. Los esquemas de representación resultantes
deberían permitir una búsqueda o una operación eficiente de los mecanismos de
inferencia [CASTILLO, G. & HADI, 1995].
Según Carlos (2007), existen varias técnicas para representar el conocimiento,
agrupándose en tres tipos de representación básica:
a) La representación procedimental. Expresan explícitamente las interrelaciones entre
fragmentos de conocimiento, pero que son difícilmente modificables. En esta familia
se encuentran: los autómatas finitos, los programas, etc.
18
b) La representación declarativa. Crean fragmentos de conocimiento independientes
unos de otros y que, por consiguiente, son fácilmente modificables. Estos
conocimientos se combinan después mediante un mecanismo general de
razonamiento y deducción. En esta familia se encuentran: la lógica, las reglas de
producción, etc.
c) La representación mixta. Emplea los dos modos de representación procedentes. En
esta familia se encuentran los objetos estructurados: los esquemas, objetos, etc.
2.2.2.3 TECNICAS DE REPRESENTACION DEL CONOCIMIENTO

2.2.2.3.1 Lógica
La lógica es una disciplina relacionada con la validez del conocimiento. Es muy
importante dentro del contexto de la inteligencia artificial y especialmente en los
sistemas expertos, debido a que brinda el formalismo para dos importantes conceptos la
representación del conocimiento y el proceso de inferencia. Dentro de la lógica existen
varias notaciones para representar el conocimiento, las más importantes son: la lógica
proposicional y el cálculo de predicados [SALAZAR, 2003].
2.2.2.3.2 Armazones
Según Giarratano y Riley (2001), los armazones son estructuras que permiten agrupar
conocimiento declarativo (hechos) y procedimental. Están formados por un nombre y
por una serie de ranuras (slots) que pueden contener valores o procedimientos llamados
demonios (demons). Los demonios den rutinas ligadas a valores de las ranuras, que se
activan cuando se leen, cambian o borran dichos valores. Los armazones son
especialmente indicados para representar estereotipos (objetos o procesos) del mundo.
Los armazones genéricos. Los armazones particulares heredan características de sus
padres e incorporan sus atributos distintivos. Los estudios en psicología indican que la
gente utiliza grandes armazones para codificar el conocimiento de experiencias pasadas,
conocimiento acerca de cosas que se encuentran comúnmente, para analizar y explicar
una solución nueva en su cotidiana actividad cognoscitiva.
19
Según Aznar (2005) un armazón representa un objeto o situación describiendo la
colección de atributos que posee. Están formadas por un nombre y por una serie de
campos de información o ranuras (slots). Cada ranura puede contener uno o más enlaces.
Cada enlace tiene un valor asociado. Varios enlaces pueden ser definidos para cada
ranura, por ejemplo:
 Rango: El conjunto de posibles valores para la ranura.
 Valor: El valor de la ranura.
 Default: El valor a ser asumido si no se especifica alguno.
Además los enlaces pueden ser procedimientos que residen en la base de datos y están
aguardando para ser utilizados cuando se los necesite. Entre los más comunes se pueden
mencionar:
 Si- Necesitado: Procedimiento(s) para determinar el valor actual de una ranura.
 Si-Agregado: Procedimiento(s) a ejecutarse cuando un valor es especificado para
una ranura.
 Si- Modificado: Procedimiento(s) a ejecutarse si el valor de una ranura es
cambiado.
A estos procedimientos también se los denomina demons y representan un concepto
importante en los armazones esto es, la habilidad de combinar conocimiento
procedimental dentro de la estructura de conocimiento declarativo del armazón. Esto
sugiere que un armazón puede ser u medio poderoso de representación del
conocimiento, especialmente si se la incorpora en una red de armazones. En la figura se
muestra una representación de un armazón [AZNAR, 2005].
Tabla 2.1 Representación del conocimiento mediante un armazón

Fuente: [AZNAR, 2005]
20
Se pueden establecer ciertas similitudes entre un sistema basado en armazones y un
sistema de bases de datos. Aparentemente los dos representan datos, a través de las
ranuras de un armazón y de los campos de una tabla de datos; sin embargo los
armazones representan en realidad conocimiento, mientras que las bases de datos
representan solo datos.
Según Aznar (2005), las ventajas que se pueden establecer para los sistemas basados en
armazones son las siguientes:
a) Facilidad de proceso guiado por las expectativas. Un sistema basado en armazones,
mediante los demons, es capaz de especificar acciones que deben tener lugar cuando
ciertas condiciones se han cumplido durante el procedimiento de la información.
b) El conocimiento que posee un sistema basado en armazones es significativamente
más estructurado y organizado que el conocimiento dentro de una red asociativa.
c) Los armazones pueden ser estructurados de tal forma que sean capaces de
determinar su propia aplicabilidad en determinadas situaciones. En el caso de que
un armazón en particular no sea aplicable, puede sugerir otros armazones que
pueden ser apropiados para la situación.
d) Se puede fácilmente almacenar en las ranuras valores dinámicos de variables,
durante la ejecución de un sistema basado en conocimiento. Esto puedes ser
particularmente útil para aplicaciones de simulación, planteamiento, diagnostico de
problemas o interfaces para base de datos.
2.2.3 SISTEMA EXPERTOS DIFUSOS
2.2.3.1 Lógica Difusa
“Cuando la complejidad de un problema crece, la posibilidad de analizarlo en términos
precisos disminuye” (L. Zadeh).
La lógica difusa nace en 1965 a partir de la publicación del artículo “Fuzzy sets” escrito
por Lotfi Zadeh en la Universidad de California en Berkeley. En contraste con la lógica
convencional que utiliza conceptos absolutos para referirse a la realidad, la lógica difusa
define los conceptos en grados variables de pertenencia, siguiendo patrones de
razonamiento similares a los del pensamiento humano.
21
La lógica difusa ha cobrado una fama grande por la variedad de sus aplicaciones, las
cuáles van desde el control de complejos procesos industriales, hasta el diseño de
dispositivos de control de artefactos electrónicos de uso doméstico y entretenimiento, así
como también en sistemas de diagnóstico [SALAZAR, 2003].
La lógica difusa es esencialmente una lógica multivaluada que es una extensión a la
lógica clásica. Estas últimas imponen a sus enunciados únicamente valores de falso o
verdadero,
sin embargo gran parte del razonamiento humano no son tan “deterministas”. Lo difuso 8
puede entenderse como la posibilidad de asignar más valores de verdad a los enunciados
clásicos de “falso” y “verdadero”.
La lógica difusa, como su nombre indica, es una lógica alternativa a la lógica clásica que
pretende introducir un grado de vaguedad en las cosas que califica. En el mundo real
existe mucho conocimiento no perfecto, es decir, conocimiento vago, impreciso,
incierto, ambiguo, inexacto, o probabilístico por naturaleza. El razonamiento y
pensamiento humano frecuentemente conlleva información de este tipo, probablemente
originada de la inexactitud inherente de los conceptos humanos y del razonamiento
basado en experiencias.
El problema principal surge de la poca capacidad de expresión de la lógica clásica
supongamos por ejemplo que tenemos un conjunto de personas que intentamos agrupar
según su altura, clasificándolas en altas o bajas. La solución que presenta la lógica
clásica es definir un umbral de pertenencia. Si dicho umbral es 1.80, todas las personas
que midan 1.80 o más serán altas, mientras que las otras serán bajas. Según esta manera
de pensar, alguien que mida 1.79 será tratado igual que otro que mida 1.50, ya que
ambos han merecido el calificativo de bajas. Sin embargo, si dispusiéramos de una
herramienta para caracterizar las alturas de forma que las transiciones fueran suaves,
estaríamos reproduciendo la realidad mucho más fielmente. Asimismo, no hay un valor
cuantitativo que defina el término joven [MEDINA, 1994].
8
Difuso borroso, impreciso, confuso ó vago. Los sistemas difusos son sistemas basados en conocimientos representados en forma
de reglas el corazón de los sistemas difusos consiste en bases de conocimientos de las llamadas reglas difusas SI − ENTONCES.
22
Para alguna gente, 25 años es joven, mientras que para otros, 35 es joven. Incluso el
concepto puede ser relativo al contexto. Un presidente de gobierno o de 35 años es
joven, mientras que un futbolista no lo es. Hay sin embargo cosas que están claras: una
persona de 1 año es joven, mientras que una de 100 años no lo es. Pero una persona de
35 años tiene algunas posibilidades de ser joven (que normalmente dependen del
contexto). Para representar este hecho, definiremos el conjunto joven de modo que cada
uno de sus elementos pertenezca a él con cierto grado (posibilidad). De un modo más
formal, un conjunto difuso A se caracteriza por una función de pertenencia: μA : U →
[0,1]
Que asocia a cada elemento x de U un número μA(x) del intervalo [0,1], que representa
el grado de pertenencia de x al conjunto difuso A. A U se le llama universo de discurso.
Por ejemplo, el término difuso joven puede definirse mediante el conjunto difuso
siguiente:
Edad Grado de Pertenencia
≤25 1.0
30 0.8
35 0.6
40 0.4
45 0.2
≥50 0
Tabla 2.2 Ejemplo de Conjunto Difuso

Fuente [MEDINA, 1994]
Es decir, la función de pertenencia del conjunto difuso joven viene dada por:
μA(x) = 1 si x≤25, μA(30) = 0.8, ...., μA(x) = 0 si x≥50.
Figura 2.4 Ejemplo de un Conjunto Difuso

23
En general, si una función de pertenencia se da especificando los valores
correspondientes a un conjunto discreto de elementos del universo de discurso, el valor
asociado al resto de los elementos se obtiene por interpolación.
La lógica difusa actualmente está relacionada y fundamentada en la teoría de los
conjuntos difusos. Según esta teoría, el grado de pertenencia de un elemento a un
conjunto va a venir determinado por una función de pertenencia, que puede tomar todos
los valores reales, comprendidos en el intervalo [0, 1].
2.2.3.2 Conjuntos Difusos

Un conjunto difuso en un universo de discurso o conjunto universal U es caracterizado
por una función de pertenencia μA (x) que puede tomar todos los valores reales,
comprendidos en el intervalo [0, 1].
Figura 2.5 Ejemplo valores reales de un Conjunto Difuso

2.2.3.3 Variables Lingüísticas

Se considera variable lingüística o valor lingüístico a aquella noción o concepto que se
va a calificar de forma difusa. Se le aplica el adjetivo lingüística porque se define sus
características mediante el lenguaje hablado [CALLISAYA, 2009].
Es decir que los conjuntos borrosos y las variables lingüísticas pueden utilizarse para
cuantificar el significado del lenguaje natural, con lo que puede manipularse.
A una variable lingüística se le puede asignar valores que son expresiones, como
palabras frases u oraciones en un lenguaje natural o artificial [VARGAS, 2005].
A continuación en la Figura 2.6 se ve los elementos de un conjunto difuso:
24
Figura 2.6: Elementos de un Conjunto Difuso
Fuente [VARGAS, 2005]
2.2.3.4 Universo de Discurso

Es al rango de valores que pueden tomar los elementos que poseen la propiedad
expresada por la variable lingüística. En el caso de la variable lingüística “altura de una
persona normal”, sería el conjunto de valores comprendido entre 1.4 y 2.3 m.
2.2.3.5 Estructura de los Sistemas Expertos Difusos
Motivado por Zadeh y validado por Mamdani, el uso de los sistemas difusos han sido
aplicados en una gran variedad de áreas tales como el control automático, el
procesamiento digital de señales, las comunicaciones, los sistemas expertos de
diagnostico medico.
Fig.2.7. Arquitectura de un Sistema Experto Difuso

Fuente [CHAMBI, 2007]
2.2.3.6 FUZZIFICACIÓN
El proceso de la fuzzificación consiste en una transformación de un dato o de un
conjunto clásico a su correspondiente conjunto difuso. El primer paso que debe realizar
el sistema difuso es pasar la variable medida al mundo difuso, para que pueda ser
25
utilizado por las siguientes etapas. Esto se hace utilizando funciones de pertenencia de
conjuntos difusos predefinidos. Por cada variable de entrada al sistema esta etapa
determina su grado de pertenencia a algún conjunto difuso, a partir de la función de
pertenencia del conjunto.
2.2.3.7 Mecanismo de Inferencia
Este modulo constituye el “motor” del sistema, puesto que aquí es donde se define la
lógica que debe realizar para procesar adecuadamente las reglas. La entrada a esta etapa
es el grado de pertenencia de las variables de entrada a algún conjunto difuso. A partir
de estos datos se evalúan un conjunto de reglas, como se describió anteriormente, para
obtener un resultado. A partir del grado de activación de la condición if se obtiene el
grado de activación de la conclusión. A partir de este resultado se obtiene una función de
pertenencia para la salida, similar a las funciones de pertenencia de los conjuntos
difusos.
La teoría de conjuntos difusos se puede utilizar para representar expresiones lingüísticas
que describen conjuntos, siendo capaces los conjuntos difusos de captar la vaguedad e
imprecisión lingüísticas, característica inherente a la inteligencia humana. Para ello entra
en juego el concepto de variable lingüística, que es aquella variable cuyos valores son
etiquetas lingüísticas definidas sobre un universo de discurso [ROLSTON, 1998].
Para obtener un resultado lógico a partir de una serie de antecedentes es necesario seguir
un proceso de razonamiento. El razonamiento lógico se basa, generalmente, en una serie
de proposiciones condicionales (nuestras reglas) y de observaciones presentes (las
premisas). En el razonamiento aproximado se trata de reproducir los esquemas mentales
del cerebro en el proceso de razonamiento. Es una extensión de los sistemas clásicos de
inferencia en lógica binaria (silogismo clásico), para seguir un proceso de razonamiento
difuso se necesitan una serie de reglas de inferencia, que se expresan por medio de
reglas IF-THEN difusas.
2.2.3.8 DEFUZZIFICACION
Los problemas basados en conjuntos difusos se originan de la utilización de
calificaciones lingüísticas. Luego de formar los conjuntos difusos correspondientes a un
26
determinado problema es necesario obtener una respuesta de estos. En muchos casos es
importante que esta respuesta no sea difusa y se debe pasar de una respuesta difusa a una
que no lo es. Para lograr esto se ha desarrollado el concepto de Defuzzificación. Se han
propuesto varios métodos para lograr esta transformación, algunos de ellos se explican a
continuación.
2.2.3.9 MÉTODO DEL MÁXIMO

Se elige como valor para la variable de salida aquel para el cual la función característica
del conjunto difuso de salida sea máxima. En general no es un método óptimo por lo que
no es muy usado.
CENTROIDE DE ÁREA (COA)

Este método consiste en hallar para cada conjunto difuso su área y la ubicación del
centroide de área. El valor desfuzzificado es el resultado del cociente entre el producto
entre las sumatoria de los productos del las áreas y sus centroides, y la sumatoria de las
áreas.
2.2.3.10 MÉTODO DE LA ALTURA

Se calcula el centro de gravedad del conjunto difuso de salida de cada regla y a
continuación se calcula la media ponderada, siendo ésta la salida del sistema.
2.2.3.11 METODOS DE RAZONAMIENTO DIFUSO
Los métodos de razonamiento difuso se pueden clasificar en:
Métodos directos:
27
 Método directo de Mamdani.
 Modelado difuso de Takagi & Sugeno.
Métodos indirectos:
De igual modo en que en la lógica clásica el razonamiento se basaba en el modus

ponens y en el modus tollens, en la lógica difusa el razonamiento se basa en el
modus ponens generalizado o modus ponens difuso, los cuales se describen a
continuación:
Tabla 2.2 Métodos de Inferencia

Fuente [ROLSTON, 1998]
Siendo A, B, A' y B' conjuntos difusos. La novedad en el modus ponens generalizado es

que los conjuntos en los que x toma valores pueden ser distintos en las dos premisas.
2.2.3.12 METODO MAMDANI
El metodo Mamdani llamado también “Difuso Puro”, Sus reglas difusas son del tipo:
SI x1 es A1 y x2 es A2 y ... y xn es An ENTONCES y es B
28
Utiliza reglas difusas para obtener la respuesta del sistema difuso ante una determinada
entrada. Hay dos formas de realizar este proceso:
1. Inferencia basada en reglas individuales: Aplicar la entrada a la primera regla, a la
segunda y así sucesivamente. Posteriormente las salidas de las reglas se unen para
obtener una única salida.
2. Inferencia basada en la composición: Calcular la relación difusa que representa el
significado de toda la base de reglas para aplicar la entrada a esa relación difusa global.
[ROLSTON, 1998].
2.3 EL RETRATO HABLADO Y SU CONCEPCIÓN CRIMINALÍSTICA
Es una disciplina artística mediante la cual se elabora el retrato o rostro de una persona
extraviada o cuya identidad se ignora tomando como base los datos fisonómicos
aportados por testigos e individuos que conocieron o tuvieron a la vista a quien se
describe
En la Criminalística el Retrato Hablado es definido, como el Arte Forense, como la
ciencia que aplica predominante las Artes Visuales en conjunción con conocimientos
provenientes de diversas disciplinas científicas y tecnológicas, con la finalidad de crear
imágenes que podrán ser utilizadas como instrumentos de investigación dentro de la
procuración y administración de justicia [CRIMINALISTICA, 2007].
Debido a que, esta Arte Forense tiene distintas facetas, los especialistas que trabajan en
esta disciplina, es necesario que cuenten, además de su preparación en Artes Visuales,
con un bagaje de conocimientos, provenientes de diversas ciencias y tecnologías para
poder llevar a cabo sus actividades. Así requieren de la Psicología aplicada enfocada a la
entrevista a victimas y/o testigos de delitos, para la obtención de información recuperada
de la memoria y en casos necesarios el manejo de situaciones de crisis o stress del
entrevistado; de la Anatomía primordialmente de superficie y de la cabeza para la
representación grafica de las formas y variabilidad de los distintos elementos anatómicos
faciales o bien bocetos de cuerpos; la Antropología Física, principalmente de
somatología y variabilidad de las características faciales; de manejo de sistemas de
29
cómputo, principalmente de software para procesamiento de imágenes, especializados en
diseño o planimetría, de criminalística, para la representación visual de indicios o
eventos de orden reconstructivo, etc.
2.3.1 Elaboración de Retratos Hablados del Tipo Compuestos
Esta es la actividad que más se conoce y que desarrollan los Peritos de esta especialidad
de la Institución. Consiste en la creación de Retratos Compuestos (Hablados) a partir de
información recuperada de la memoria de víctimas y/o testigos de delitos; los cuales
pueden ser elaborados, a través del dibujo anatómico utilizando distintas técnicas
artísticas, o generados por computadora, utilizando el acervo de imágenes faciales como
por ejemplo “ El Rostro del Mexicano” que es un programa de informática que fue
creado en México que es una valiosa aportación a la identificación moderna de
delincuentes o desaparecidos. Es importante señalar, que para la creación del retrato, las
fases del procedimiento, se desarrollan de manera interactuante perito-informante,
siendo estas las siguientes:
a) Entrevista: en donde se recaba la información sobre las características

individuales del sujeto a describir, necesarias para la creación del retrato, así
como información de índole criminológica sobre la modalidad delictiva y el
actuar de la persona que está describiendo. En esta fase, cuando el experto
determina que no se cuenta con la información necesaria para la elaboración del
retrato, se elabora el informe respectivo.
b) Creación del Retrato Compuesto: es la elaboración de la imagen del rostro o

retrato compuesto, de forma interactiva perito-informante, ya sea asistido por
computadora o a través del dibujo anatómico (en donde se deberá de considerar
otra fase complementaria de retoque), a partir de la información recuperada de la
memoria de la víctima o testigo del delito.
El Retrato Hablado es un recurso que debería complementar las distintas disciplinas de

la criminalística en el ámbito de la investigación primaria de “Rostros” involucrados en
la identificación.
30
Para la realización de un Retrato Hablado se deben contar con los mínimos recursos
citados a continuación:
 En la investigación criminal, concepto a tener en cuenta por el perito en Retrato

Hablado, cuanto más urgente se realice la pericia mayor posibilidad de lograr un
rostro con más porcentaje de aproximación al que vio el testigo, el tiempo dilata
o torna borrosa los recuerdos.
 Manejo profesional del arte del dibujo, en lo referente a proporciones,
dimensiones.
 Conocimientos de Anatomía Humana ( ósea, muscular, ligamentos)
 Manejo de Morfología, conocimientos mínimos de Antropología.
 Capacidad investigativa que haga aflorar los datos en el subconsciente del
testigo.
 Conocimientos de leyes vigentes.
 Contar con un cuestionario sistematizado para llevar adelante el Retrato en
conjunto con el relato del testigo.
2.3.2 El Retrato Hablado Gráfico

Es el resultado de un método sistematizado, que se utiliza para plasmar morfologías
faciales en dibujo (pista de rostro), dictadas en forma oral por testigos de diferentes
hechos delictivos (asaltos, violaciones, homicidios, robo, etc.); o simplemente para
generar una imagen de personas de la que no se cuente con archivo fotográfico o
imágenes fisonómicas (extraviadas o desaparecidas) [CRIMINALISTICA, 2007].
2.3.3 Elaboración de retratos compuestos tomando como base imágenes de videos

y/o fotográficas
Es la elaboración de Retratos Compuestos, empleando técnicas artísticas o asistidos por

computadora, tomando como base imágenes de videos y/o fotográficas en donde son
visibles las características del rostro, las cuales en su gran mayoría son captadas por
dispositivos de seguridad. Cuando el experto, una vez efectuado el análisis del material
31
proporcionado, determina que no se cuenta con la información necesaria para la
elaboración del Retrato Compuesto, se elabora el informe respectivo.
2.3.4 Retratos de Progresión por Edad (En Menores)
Los Retratos Compuestos de Progresión por Edad, se efectúan con la finalidad de

representar los cambios o transformaciones del rostro en infantes, empleando técnicas
artísticas de dibujo anatómico, o generados por computadora. Para su elaboración se
toma como base imágenes fotográficas anteriores del infante, así como información
complementaria proporcionada por los familiares de tipo heredo-familiar, tal como
fotografías de hermanos, padres, abuelos, primos, etc. [CRIMINALISTICA, 2007].
2.3.5 Reconstrucciones Faciales

Las Reconstrucciones Faciales se desarrollan en forma interdisciplinaria y en asistencia
a los especialistas en Antropología Física Forense, los cuales previamente elaboran un
boceto hipotético inferencia de las características anatómicas de los componentes del
rostro. Al igual que en diversas instituciones de investigación forense a nivel
internacional, los métodos más utilizados para efectuar las reconstrucciones faciales son
de tipo bidimensional o gráfico, ya sea utilizando técnicas artísticas de dibujo anatómico
o asistidos por computadora.
2.4 IDENTIFICACIÓN HUMANA

2.4.1 Clases de Identificación
Para el caso especifico de la investigación criminal y la criminalística, el lector debe
conocer cual, desde el punto de vista de su función, le corresponde adelantar, así:
 Cedula de identidad
 Licencia de conducción
 Identificación médico –legal
 Procesos de investigación de cadáveres
 Esqueletos o restos humanos, cuya identidad se desconoce
 Identificación judicial por medio de archivos policiales
 Fotográficos
32
 Impresión dactilar
2.4.2 Técnica de la Identificación Personal y Descriptiva

La “identificación física” de las personas, por medio de rasgos, particularidades y otras
características, permitirá a la autoridad judicial, al investigador criminal, a la policía de
vigilancia o preventiva, a testigos y victimas, tener buenas bases para la descripción del
autor o autores de la conducta delictiva. Para ellos es indispensable volver sobre los
antecedentes que existen sobre el tema.
Uno de los problemas más fundamentales para mantener la organización social, sostener
el orden general y tener éxito en el cumplimiento de las leyes, consiste en la correcta
identificación o individualización de las personas. Se concluye, entonces, que el hombre
como persona social, como ser y como miembro de una sociedad, necesita el proceso de
identificación, sin el cual no podría subsistir ninguna organización.
La identificación parte del principio de que no hay en el mundo dos cosas, producto de
la naturaleza, que sean absolutamente iguales [CRIMINALISTICA, 2007].
Al lado del nombre antropológico, llevamos el nombre jurídico que surge en la vida
social como una exigencia para las relaciones jurídicas. Probablemente las primeras
manifestaciones del lenguaje estuvieron orientadas hacia la necesidad de diferenciar a
las personas por una palabra que fuera expresión de su individualidad y con esta palabra
se le llamaba en la proximidad y en la distancia.
En la época romana anterior a Cristo, el uso de tres nombres era privilegio de los nobles.
El pronomen o designación individual, el nomen o designación genética y el cognomen
o designación accidental de la raza, color, defectos físicos, entre otros. Es importante
resaltar que con el correr del tiempo, el nombre jurídico sufrió modificaciones hasta
llegar al nombre civil que conocemos hoy. Pero como este pierde su eficacia
identificativa, por estar a merced de cambios, de homónimos y usurpaciones, la sociedad
se preocupa por identificar a las personas mediante sistemas complementarios
conducentes al mejor cumplimiento de sus fines.
33
Es así como la identificación de los esclavos, de los criminales, de la servidumbre, fue
motivo de preocupación para ellos que lo poseían o estaban encargados de su custodia.
Probar de manera irrefutable el derecho de propiedad que les asistía o identificarlos si
eran culpables era difícil. Posiblemente el proceso de identificación debió comenzar con
procedimientos crueles como marcar con hierro candente, practicar incisiones con
instrumentos punzantes, mutilar o amputar alguno de sus miembros. El tatuaje
constituyó también un medio de identificación, empleado en Francia por los monarcas y
consistía en tatuar el hombro del condenado con el símbolo real o “Flor de Liz”. Si la
persona era reciente se le agregaba al tatuaje el vocablo “gal”, que significaba pagar su
nueva condena al servicio de las galerías imperiales. También fue empleado en tribus
para diferenciar unas de otras [CRIMINALISTICA, 2007].
Podemos concluir entonces que la identificación es un proceso que responde al instinto

de conservación humana; es así como todo ser, con movimiento propio o no, tiene una
particularidad que el hombre reconoce ayudado por sus sentidos externos. Así podemos
identificar algunas cosas por el tacto, por la vista, por el olfato o por el gusto, y
logramos clasificar cualquier objeto real o irreal, después que lo hemos identificado.
La identificación en el ámbito de la criminalística e investigación criminal, tiene dos

fases distintas, a saber: la primera, confirmada por la búsqueda y la captura, y la
segunda, que consiste en la certeza que la información que tenemos está relacionada con
el individuo que niega, desesperadamente, como es natural, la autoría de una conducta
punible.
2.4.3 La Identificación Natural
Se puede definir como el cotejo o comparación mental, instantánea e inconsistente, entre

la persona física que se presenta ante nuestros ojos y la imagen formada en nuestra
memoria.
Puede decirse que consiste en la habilidad para conseguir la descripción de una persona,
a partir de la declaración de testigos, o por ejemplo basándose en su fotografía y en
cómo dar una descripción morfológica para usarla en el futuro. El primer procedimiento
34
es el más adecuado, llamado “retrato hablado” el cual fue ideado por Bertillon y tenía
cuatro fases:
 Determinación del color o cromatía

 Determinación morfológica
 Determinación general
 Descripción de marcas indelebles
En este se basa actualmente la identificación personal y la descriptiva, con algunas

variantes ideadas por el doctor Federico O. Aguilera, procedimientos que consiste en la
identificación detallada de los caracteres fisionómicos de un individuo, elaborada de
acuerdo con un vocabulario especial y cuyo fin principal es descubrir a un individuo
infractor de la ley.
COLOR RIS
CABELLO Y PIEL
ANTROPOMÉTRICO CROMATICAS
FRENTE
SEÑALAMIENTOS DESCRIPTIVO NARIZ

MORFOLOGICAS
OREJAS
MARCAS
COMPLEMENTARIAS
PARTICULARES
Figura 2.8 Según Bertillón

Fuente: [CRIMINALISTICA, 2007]
Todo individuo conducido a prisión o al laboratorio de identificación, es sometido a
examen con el fin de individualizarlo plenamente; los resultados de tal operación se
registran en fichas o en sistemas informáticos y son clasificados en un orden especial.
35
2.4.4 Sistema de Identificación de Persona
Antes de iniciar el estudio de la identificación de personas el investigador, criminalista,
perito y la autoridad judicial correspondiente, debe conocer las siguientes definiciones:
a) Identidad (del lat.identitas,-atis de idem y del latín lo mismo), es el conjunto de
características y particularidades de origen congénito, o adquiridas, que hacen que una
persona o cosa sea ella misma, con prescindencia de toda otra de la misma especie.
También se puede decir que son las cualidades inherentes a todo ser de permanecer
sustancialmente el mismo y a la vez diferentes de todos los demás.
b) Reconocimiento. Acción o efecto de distinguir a una persona o una cosa de los

demás por medio de características ostensibles, que pueden ser de tipo morfológico,
antropológico, cromático, odontológico, o por señales particulares (difícilmente
modificables).
c) Individualización. Conjunto de características biológicas, físicas o de
comportamiento que diferencian a una persona de las demás de su misma especie.
d) Identificación. Proviene del latín identificare, derivado de identitas, atis, es decir,

distinguir todos los elementos necesarios para diferenciar semejanza de identidad.
Consiste en determinar en forma indubitable y categórica la existencia o la identidad de
una persona o cosa. [CRIMINALISTICA, 2007].
2.5 MÉTODOS DE COINCIDENCIA DE PLANTILLAS

En los métodos de coincidencia de plantillas un patrón facial estándar (normalmente de
una cara en pose frontal) se predefine manualmente o con parámetros mediante una
función. Dada una imagen de entrada, se calculan unos valores de correlación utilizando
los patrones estándar para el contorno facial, los ojos, la nariz y la boca
independientemente. La existencia de una cara se determina en base a los valores de
correlación.
Estos métodos tienen como ventaja una implementación sencilla, sin embargo se ha
probado que son ineficaces para la tarea de la detección facial ya que no pueden tratar
efectivamente la variación en escala, pose y forma de la cara.
36
La aplicación de una plantilla es similar a los métodos basados en conocimiento, ya que
el conocimiento de las características faciales o bien puede ser aprendido y construir así
una plantilla dinámica, o bien puede ser predefinido. La aplicación es una plantilla
podría realizarse a diferentes escalas debido a la simpleza de muchas plantillas que se
relacionan simplemente con la simetría de las características faciales y con las distancias
relativas. Sin embargo, como se ha dicho, utilizar solamente estos métodos no es muy
efectivo con lo que a menudo suelen utilizarse junto a otras técnicas basadas en
características invariantes. Los métodos descritos a continuación se centran sólo en
aquellas técnicas donde la coincidencia de plantillas es la base para la detección.
2.5.1 Plantillas predefinidas
La plantilla se representa como una elipse y una función de coste de simetrías para las
regiones de los ojos, la nariz y la boca.
Fig. 2.9 Ubicación de la punta de la nariz y el centro de la boca

FUENTE [SABER & MURAT, 1998]
La función se basa en:
i. Los ojos están situados en una línea paralela al eje menor de la elipse.
ii. Los ojos son simétricos con respecto al eje mayor de la elipse, representado mediante
la dirección del vector propio asociado con el mayor vector propio.
iii. Los ojos son equidistantes respecto al eje menor representado por la dirección del
vector propio asociado al vector propio más pequeño.
iv. Los ojos son generalmente los huecos más próximos en la segmentación de la piel.
37
v. Los ojos están colocados sobre el eje menor de la elipse.
Utilizando la función de coste se realiza la decisión acerca de la existencia de una cara
en las zonas de piel identificadas en la primera etapa del procedimiento. La aplicación de
la segmentación del color es el paso clave sin el cual el modelo elíptico de la cara no
podría formarse ni se podrían observar las características localizadas. Por lo tanto resulta
clara la importancia de que exista algún tipo de mecanismo que identifique dónde
debería colocarse la plantilla. En este caso se hace mediante la segmentación del color
de piel.
2.6 METODOLOGÍAS DE DESARROLLO DE SISTEMAS EXPERTOS
2.6.1 MÉTODO IDEAL
Las fases y etapas de esta metodología pueden describirse como sigue:
Fase I. Identificación de la tarea

Fase II. Desarrollo de los prototipos
Fase III. Ejecución de la construcción del sistema integrado
Fase IV. Actuación para conseguir el mantenimiento perfectivo
Fase V. Lograr una adecuada transferencia tecnológica
2.6.1.1 Fase I. IDENTIFICACIÓN DE LA TAREA
La primera fase se toma en cuenta la definición de objetivos del prototipo de sistema. En

caso afirmativo se definen las características del problema, se especifican los requisitos
que enmarcan la solución del problema [MARTINEZ, 2010].
Esta fase se subdivide en las siguientes etapas que a continuación serán mencionadas:
Etapa I.1. Plan de requisitos y adquisición de conocimientos
Lo principal que debe hacer el ingeniero de conocimiento es tratar de identificar las

necesidades del cliente describiendo para ello, los objetivos del sistema.
Estos objetivos pueden ser:
 Finalidades, de carácter filosófico

 Fines de carácter cualitativo
38
 Metas u objetivos a plazo fijo, de carácter cuantitativo
Asimismo, se debe determinar qué información se va a obtener y suministrar,
funcionalidades a exigir y requisitos necesarios para todo ello. Los parámetros
fundamentales de este plan de requisitos son:
 Fines específicos y generales del sistema

 Funcionamiento y rendimiento requeridos
 Fiabilidad y calidad
 Limitaciones de costo/tiempo
 Tecnología disponible
 Ampliaciones futuras
Para confeccionar el plan de requisitos es necesario comenzar con la adquisición de
conocimientos.
Etapa I.2. Evaluación y selección de la tarea
Esta etapa, que conforma el estudio de viabilidad, se lleva a cabo realizando la

evaluación de la tarea, cuantificando dicha evaluación para ver qué grado de dificultad
presenta la tarea. Existen, varias formas de llevar a cabo dicha evaluación
[MARTINEZ, 2010].
Etapa I.3. Definiciones de las características de la tarea
Se establece y definen las características más principales asociadas con el desarrollo de

la aplicación. En particular, se dan:
a) Una definición, lo más formal posible, de la aplicación desde el punto de vista del
sistema. Se pasa de una descripción informal de los requisitos del usuario a una
especificación técnica completa emitida por el ingeniero de conocimiento. Para esto hay
que llevar a cabo una especificación inicial de los siguientes tipos de requisitos:
Funcionales: tipos de información: (datos, noticias y conocimientos) que se van a tratar,

operaciones a realizar sobre ellos, salidas deseadas.
39
Operativos o de funcionamiento: estáticos que no varían con el tiempo, y dinámicos,
que varían con el tiempo.
De interfaz: de usuarios, con otros productos y sistemas.
De soporte: plataforma de base requerida tanto hardware como software.
b) Criterios de éxito, que básicamente consisten en identificar las necesidades reales de

los usuarios finales y decisores del sistema propuesto y definir el grado de satisfacción
de dichas necesidades que debe cumplir el sistema;
c) Casos de prueba o juego de ensayo, que permita validar tanto el grado y la calidad
como las prestaciones del sistema experto obtenido
d) Recursos para desarrollar el sistema experto. Dentro de estos recursos, hay que
especificar tanto los materiales (económicos, hardware, software) como los humanos
(expertos, ingenieros de conocimiento, ingenieros del software, programadores
convencionales e inteligencia artificial)
e) Puntos de control y calendario, que establece el plan de desarrollo del sistema, así
como el programa para llevarlo a cabo. Esta etapa configura la especificación del
sistema.
2.6.1.2 Fase II. Desarrollo de los prototipos
Se describe el desarrollo del prototipo que permite ir definiendo y refinando más

rigurosamente las especificaciones del sistema, de una forma gradual hasta conseguir las
especificaciones exactas de lo que se puede hacer y cómo realizarlo. Pero aún más, pues
en el desarrollo de los distintos prototipos suceden muchos problemas a los que hay que
dar solución [MARTINEZ, 2010].
La construcción relativamente rápida de un prototipo de demostración permitirá, al

experto comprobar la viabilidad de la aplicación y comprender mejor los requisitos de
los usuarios y las especificaciones del sistema. Es decir, conocer mejor la problemática
de la aplicación.
40
Etapa II.1. Concepción de la solución.
Esta etapa tiene como objetivo producir un diseño general del sistema prototipo.
Inicialmente el ingeniero de conocimiento y, el experto estudian las especificaciones
parciales del sistema y el plan del proyecto obtenidas en la fase anterior y, en base a
ellos, producen un diseño general. Esta etapa engloba dos actividades principales: el
desarrollo del diagrama de flujo de datos y el diseño arquitectónico del sistema. Para los
subsiguientes prototipos esta etapa se convierte en refinamientos de la concepción de la
solución o, si se quiere, en sucesivas re conceptualizaciones.
Etapa II.2. Formalización de los conocimientos
Esta etapa presenta dos actividades fundamentales:
 La selección de los formalismos para representar los conocimientos que conforman

la conceptualización obtenido en la etapa anterior.
 La realización del diseño detallado del sistema.
La formalización o representación de los conocimientos, se encuentra ligada con los

tipos de conocimientos más apropiados para su representación y las herramientas
disponibles en su desarrollo [MARTINEZ, 2010].
Etapa II.4. Implementación
La implementación es inmediata y automática. En otro caso, es necesario programar, al

menos, parte del sistema, con las dificultades y problemas que implican cualquier
implementación, hay que dejar constancia aquí de que el uso de herramientas de
desarrollo, a pesar de las facilidades que aportan, presenta algunos inconvenientes en
absoluto despreciables, como son:
a) Dependencia. El prototipo construido queda ligado a la herramienta, sin que se genere

un ejecutable independiente limitando con ello su portabilidad.
b) Eficiencia. Al quedar incorporada la herramienta al sistema, éste ocupa mucho

espacio con una herramienta de la que sólo se utiliza una parte muy pequeña.
41
c) Gran tamaño, complejidad y costo. Por ser las buenas herramientas: grandes,
complejas (tanto de aprender, como de manejar) y, caras.
Etapa II.5. Validación y Evaluación
La fiabilidad de los resultados es, tal vez, el punto más sensible de todo sistema experto
y por tanto su punto crítico. Sin embargo, existen técnicas que permiten realizar esta
validación de una forma satisfactoria. Para ello, se deben realiza la siguiente acción:
Ensayo en paralelo que es una consecuencia del anterior y consiste en que los expertos
usen rutinariamente el sistema experto desarrollado para ver las discrepancias entre
ambos.
Aquí se examina detalladamente la interfaz de usuario para ver si se ajusta a los deseos
de expertos y usuarios finales tanto en su ergonomía como en las explicaciones que
proporciona.
Etapa II.6. Definición de nuevos requisitos, especificaciones y diseño
Como ya se ha mencionado, los sistemas basados en conocimiento se construyen de

forma incremental, primero un prototipo de investigación, que se convierte en un
prototipo de campo para, finalmente, resultar un prototipo de operación.
42
3. MARCO PRÁCTICO
Resumen
Este capítulo describe paso a paso el modelo de
solución del problema propuesto en el capítulo I, con
base en la teoría contenida en el capítulo II. Tomando
en consideración los capítulos precedentes se lleva a
cabo el desarrollo práctico de la solución en un
prototipo.
3.1 DESARROLLO DEL PROTOTIPO

El desarrollo del prototipo exige una metodología a seguir de manera que los resultados
esperados sean los deseados y se pueda demostrar la hipótesis establecida, las etapas
que sigue esta metodología de desarrollo utiliza herramientas técnicas y científicas que
son utilizadas según la característica del problema que se desea resolver.
En el retrato hablado solo figuran rasgos significativos y por tanto no hay precisión de la
persona como en las fotos.
Para llevar a cabo el experimento con el programa que desarrollamos, consideramos la
imagen de un sospechoso como la imagen de la Figura 3.1
Fig.3.1 Retrato hablado de "Bochas"

Fuente: [SANTANA, 2010]
Tomando en cuenta las consideraciones generales de los sistemas expertos presentadas

en el Capítulo II corresponde adoptar una metodología para el desarrollo del mismo.
43
3.2 METODOLOGÍA DE DESARROLLO IDEAL
En el presente trabajo se aplica la metodología IDEAL que está estructurado en una serie
de fases, etapas y actividades que facilitan la construcción del sistema experto.
FASE I. IDENTIFICACION DE LA TAREA
DEFINICIÓN DE LOS OBJETIVOS
FASE II. DESARROLLO DE PROTOTIPO
CONCEPCIÓN DE LA SOLUCIÓN
E
ADQUISICIÓN DE CONOCIMIENTOS Y
T CONCEPTUALIZACIÓN DE LOS CONOCIMIENTOS
A
FORMALIZACIÓN DE LOS CONOCIMIENTOS
P
A IMPLEMENTACIÓN
S
VALIDACIÓN Y EVALUACIÓN
DEFINICIÓN DE NUEVOS REQUISITOS,

ESPECIFICACIONES Y DISEÑO
Figura 3.2 Etapas de desarrollo del sistema experto

Fuente [Proceso de Adquisición]
44
3.2.1 Identificación de la Tarea
En esta fase se ha identificado los objetivos de la aplicación.
 Realizar la selección de características faciales mediante una base de
datos de imágenes de rostros.
variable de descripción.
 Controlar la construcción del Retrato Hablado mediante reglas de
inferencia en la interfaz del usuario.
retrato hablado construido.
identificación facial.
 Desarrollar el sistema experto.
3.2.2 Adquisición y Conceptualización de los Conocimientos
En esta etapa se tiene como objetivo producir un diseño general del sistema prototipo.
Inicialmente se estudian las especificaciones parciales del sistema y en base a ellos se
producen el diseño en general:
 Extracción de conocimientos.
 Educción de conocimientos.
 Investigación profunda.
3.2.3 Definición y Codificación de variables lingüísticas

Codificamos y describimos las variables lingüísticas y definimos los valores lingüísticos
para cada variable para un manejo mas optimo de los datos cuando el modelo se evalué
en el prototipo.
45
IDENTIFICACIÓN DE LAS VARIABLES DE ENTRADA
RASGO DESCRIPCIÓN VARIABLE VARIABLE

DESCRIPTIVA
ROSTRO FORMA Redondo RR
Ovalado RO
Cuadrado RC
Alargado RA
Triangular RT
Triangular Invertido RTI
Diamante RD
CEJAS FORMA rectilíneas CR
sinuosas CS
arqueadas CA
ESPESOR tupida CT
escasa CE
poblada CP
OJOS FORMA grandes OG
DIMENSION pequeños OP
NARIZ FORMA DE LAS fina NF

FOSAS ancha NA
NASALES levantada NL
caída NC
BOCA DIMENSIÓN Pequeña LP

Media LD
Grande LG
FORMA Corazón LC
Tabla 3.1 Atributo Valor

Fuente [Proceso de Obtención]
3.2.4 Formalización del Conocimiento
Se determinan los requisitos funcionales del sistema experto, y las necesidades de los
usuarios. Se realizó el estudio de la documentación disponible sugerida, el conocimiento
obtenido facilito el diseño. Se obtiene el conocimiento propio del experto con el
propósito de construir la base de datos.
46
Durante la deducción se identificó cinco rasgos faciales predominantes para la
realización del retrato:
 Rasgo uno: Forma del Rostro

 Rasgo dos: Cejas
 Rasgo tres: Ojos
 Rasgo cuatro: Nariz
 Rasgo cinco: Boca
Fig. 3.3 Zonas de interés en una cara

detectada para ojo izquierdo, ojo derecho,
nariz y boca.
3.2.5 Definición de Conjuntos Difusos
En esta etapa definimos las variables de entrada y salida, los conjuntos difusos para cada
variable y sus posibles valores. De la misma manera se definen los rasgos
correspondientes a cada conjunto difuso.
La figura 3.4 muestra las regiones que proponemos utilizar para el ojo izquierdo, el
derecho y la boca, en proporción al prototipo. Los límites concretos de las regiones
definidas son los siguientes: Ojo izquierdo (ojo1). Extensión en X: (0; 0,4). Extensión
en Y: (-0,15; 0,4).
Ojo derecho (ojo2). Extensión en X: (0,6; 1). Extensión en Y: (-0,15; 0,4).
Boca. Extensión en X: (0,2; 0,8). Extensión en Y: (0,65; 0,95).
Fig.3.4 Regiones utilizadas para cada componente facial. El sistema de coordenadas esta en proporción al
modelo de cara. Se señalan en blanco las regiones de ojo izquierdo, ojo derecho y boca.
Fuente [GINES, 2007]
47
Figura 3.5 Procesos del Prototipo
Fuente [Proceso de Análisis]
Figura 3.6 Árbol de descomposición funcional

Fuente [Elaboración Propia]
Figura 3.6 Árbol de Descomposición Funcional

48
3.2.5.1 DESCRIPCIÓN DE VARIABLES
a) VARIABLE : ROSTRO
El rostro es una estructura conformada por una serie de elementos que permiten
individualizarla. Dichos elementos son los ojos, la nariz, la boca, las orejas, el cabello, el
mismo contorno del rostro y el mentón.
CUADRADO REDONDO TRIANGULO T.INVERTIDO
Fig. 3.7 Formas del Rostro

Fuente: [MURILLO, 2010]
b) VARIABLE : CEJAS
Proximidad entre las cejas  Próximas o separadas.

SITUACION
Altura entre la ceja y el ojo  Altos, bajas, medias o asimétricas.
49
La separación se calcula como la distancia entre las cabezas de las cejas que vienen
marcadas por los puntos.
Extremo exterior Extremo Interior
Fig. 3.8 Altura de las Cejas

Fuente [SANTANA, 2010]
Horizontales tienen la cabeza y la cola a la misma altura,

se calcula el ángulo entre la cola y la cabeza de las cejas
representadas
DIRECCIÓN Oblicuas internas tienen la cabeza, o extremo interior,
más bajo que la cola
Oblicuas externas tienen la cabeza, o extremo interior,
más alto que la cola
Las cejas horizontales se muestran en la Figura 3.9
Fig.3.9 Dirección de las cejas

50
FORMA DE LAS CEJAS
Fig. 3.10 Conjuntos Difusos de la Variable Cejas

Fuente: Formas extraídas de la base de datos
c) VARIABLE  NARIZ
AL: Altura entre las aletas
Medidas
AN: Anchura de la Raíz
Fig.3.11 Variable Nariz y sus Medidas

51
TIPO FORMA 1 FORMA 2 FORMA 3
DESCRIPCION Levantada Caída Muy caída
I
M
A
G
E
N
Tabla 3.2 Descripción de características de la Nariz
Fuente: [Proceso de Obtención]
1. Anchura (AN)
Es la separación existente entre las partes más salientes de las aletas, en sentido
transversal
La anchura puede ser pequeña, mediana o grande en función de la distancia.
2. Altura (AL)
Es la recta que une el punto más profundo de la raíz con el más bajo del tabique nasal la
altura puede ser pequeña, mediana o grande en función de la distancia.
3. Raíz (R)
Es la parte generalmente hundida que enlaza la nariz con la frente la raíz está situada
inmediatamente debajo de la zona interciliar. Para dicho rasgo sólo se ha considerado su
anchura, ya que es la única característica que puede obtenerse de las imágenes frontales,
según la separación entre las órbitas de los ojos.
RAIZ ANCHA RAIZ ESTRECHA
Fig.3.12 Diferentes Tipos de Nariz

52
d) VARIABLE  BOCA
Características Descripción
En este caso el Retrato hablado no considera

Anchura como tal la anchura de la boca como una
característica.
En sentido horizontal, se toma como la boca
Dimensión media, la de 5 centímetros aproximadamente,
la de 4 es pequeña, y la de 6, grande.
Se considera que la boca tiene la forma de

Particularidades
corazón.
Tabla 3.3 Descripción de características de la boca

Fuente: [SANTANA, 2010]
Fig.3.13 Anchura de la Boca

Fig.3.14 Labios en forma de Corazón

53
Figura 3.15 Conjunto Difuso para la variable Boca
Fuente [Proceso de Elaboración]
Función de Pertenencia variable Boca:
3.2.6 DEFINICIÓN DEL MÉTODO DIFUSO
De entre los distintos modelos de sistemas difusos, utilizaremos el sistema difuso tipo
Mamdani por que se aplica de manera optima a los sistemas expertos, la facilidad de
comprensión e implementación en el desarrollo de sistemas expertos difusos, los
sistemas difusos tipo mamdani tienen las siguientes características:
 Facilidad para la derivación de reglas
 Fácil interpretación de las reglas difusas
 Presentan gran libertad a la hora de elegir los Interfaces de Fuzzificación y
54
Defuzzificación así como el Sistema de Inferencia
Las reglas son del tipo ''Si - entonces'' y el Sistema Experto Difuso tipo Mamdani tiene
múltiples entradas y una única salida, presentan la siguiente estructura:
Donde Xi e Y son variables lingüísticas de entrada y salida respectivamente, y los Ai y B
son etiquetas lingüísticas asociadas a dichas variables.
El modelo Mamdani tiene la clásica arquitectura de un sistema experto difuso como ser
el mecanismo de inferencia, la base de conocimiento y los módulos de fuzzificacion y
defuzzificacion.
Figura 3.16 Arquitectura del Sistema Difuso Mandani

Fuente [Sistemas Difusos Mandani]
3.2.7 Sistema de Inferencia
El sistema de inferencia difuso (llamado también motor de inferencia) emplea la

información contenida en la Base de Conocimiento para llevar a cabo dicho proceso. El
proceso de inferencia difuso está basado en la aplicación del Modus Ponens
Generalizado (MPG), extensión del Modus Ponens de la Lógica Clásica.
Tabla 3.4 Inferencia difusa MPG

Fuente Sistemas Difusos Mandani
55
3.2.8 Obtención de la Salida del Sistema Difuso
Para el proceso de obtención de la salida del sistema difuso mediante reglas difusas ante
determinadas entradas utilizaremos la llamada Inferencia basada en reglas individuales,
que aplica las entradas a la primera regla, a la segunda y así sucesivamente.
Posteriormente las salidas de las reglas se unen para obtener una única salida.
3.3 ELECCION DEL SOFTWARE
El software a emplearse para el desarrollo del sistema y posterior prueba es en Matlab
por ser un software muy flexible y optimizable para una constante mejora del prototipo.
Utilizamos para la interfaz gráfica de usuario, GUIDE que es un entorno de
programación visual disponible en Matlab para realizar y ejecutar programas que
necesiten ingreso continuo de datos
La ventaja de este sistema de desarrollo rápido de prototipos es que acepta una cantidad
de variables de entrada y permite más de una variable de salida.
Figura 3.17 Icono GUIDE

Fuente [BARRAGAN, 2000]
3.4 DESCRIPCION DEL PROTOTIPO
Para la ejecución del prototipo, se hizo implementación del mismo en el Lenguaje de

programación Matlab, el cual nos proporciona un conjunto de funciones como
herramientas avanzadas.
En la fase de implementación, se hizo un estudio de las especificaciones de análisis y
diseño para de esta manera obtener como resultado un producto software que cumpla
con los requisitos previstos.
También, se puso mayor atención a la parte teórica del desarrollo de investigación, en el
cual se plantea los lineamientos que se deben considerar al momento de desarrollar
sistema de este tipo.
56
ANALISIS DEL PROTOTIPO
Figura 3.18 Esquema de Funcionamiento del Prototipo

57
RETRATO HABLADO
FORMAS DE ROSTRO
CEJAS
OJOS
NARIZ
NARIZ
BOCA
NARIZ RETRATO
RASGOS ELABORADO
INCOMPLETOS
Figura 3.18 Diagrama de Funcionamiento del Prototipo

Fuente [Proceso de Análisis]
3.4.1 DISEÑO DE INTERFAZ DEL PROTOTIPO
Una vez programado el prototipo, se muestra las salidas de la ejecución del programa, se
capturo las imágenes en pleno proceso, mostrando la entrada de datos al sistema, el
resultado final que sería el retrato de una determinada persona que se muestra al ejecutar
el programa. Para Figura 3.20 Cuarto
empezar, veamos en la siguiente Figura 3.16 la correspondiente
Paso
descripción del prototipo;
Fuente [Proceso de
Elaboración]
OO
Figura 3.19 Interfaz Principal del Prototipo

58
3.4.1.1 CREACIÓN DE RASGOS FACIALES DEL PROTOTIPO
A continuación se muestra el proceso donde se recaba la información de los rasgos
faciales de las personas para crear la Base de Datos de Patrones Faciales que utilizara el
prototipo.
Figura 3.20 Pantalla Captura de Rasgos Faciales

 La Base de Datos cuenta con los siguientes campos:

CAMPO DESCRIPCION
Id_persona Identificador único de cada persona(Clave principal)
primer_nombre_p Primer nombre del individuo
segundo_nombre_p Segundo nombre del individuo
ap_paterno_p Apellido Paterno del individuo
sexo_p Sexo del individuo
foto_p Foto de la persona
forma_ rostro_p Forma del Rostro de la persona
forma_cejas_p Forma de las cejas de la persona
densidad_cejas_p Densidad de las Cejas de la persona
tamaño_ojos_p Tamaño de ojos de la persona
59
situación_ojos_p Se refiere a características de los ojos de la persona
anchura_nariz_p Anchura de la Nariz de la persona
altura_nariz_p Altura de la Nariz de la persona
altura_nariz_p Altura de la nariz de la persona
Parte generalmente hundida que enlaza la nariz con la frente la

raiz_nariz_p
raíz
dimensión_boca_p En sentido horizontal, se ve la dimensión de la boca
forma_boca_p Forma particular con que cuenta la boca de la persona
estado_bigotes_p Rasgos adicionales que puede o no tener la persona
estado_cicatriz_p Rasgos adicionales que puede o no tener la persona
estado_lentes_p Rasgos adicionales que puede o no tener la persona
Tabla 3.5 Descripción de campos de la Base de Datos

Fuente: [Obtención de la Base de Datos]
 Elaboración de un Retrato de acuerdo a características faciales descritas:
Elige la opción
Forma
triangular
del rostro
Figura 3.21 Descripción de la Forma del rostro

60
Elige la
opción
Cejas
Rectilíneas
y separadas
Figura 3.22 Descripción de la forma de cejas

Elige opción
Ojos grandes y
separados
Figura 3.23 Descripción de la forma de ojos

61
Elige la opción
de Nariz ancha y
Forma 2
Figura 3.24 Descripción de la forma de nariz
Figura 3.25 Rasgos Adicionales

La parte de Cicatrices, lentes, bigotes es una agregación que puede ser

tomada en cuenta, en algunos casos.
62
RETRATOS ELABORADOS POR EL PROTOTIPO
Retrato concluido de un individuo buscado:
VARIABLES CARACTERÍSTICAS
Rostro Forma de Corazón
Cejas Sinuosas y escasa
Ojos Grandes y cercanos
Nariz Ancha y forma 2
Boca Media, Labios Delgados
Tabla 3.6 Patrones Faciales retrato 1

Figura 3.26 Pantalla Forma de Rostro

63
Retrato 2 de una persona buscada:
Rostro Cuadrado
Cejas Sinuosas
Ojos Grandes y juntos
Nariz Delgada
Boca Labios Gruesos

Figura 3.27 Pantalla Forma de Rostro 2

64
Retrato 3 de una persona buscada:
Rostro Triangulo
Cejas Rectilínea
Ojos Pequeños y separados
Nariz Delgada y de forma 1
Boca Labios Gruesos

Figura 3.28 Pantalla Forma de Rostro 3

65
 El Prototipo da como sugerencias de 1 a 4 posibles Coincidencias de los
individuos:
Para obtener las coincidencias se hará una búsqueda de los rasgos faciales más
predominantes de cada individuo descrito para llegar de uno a cuatro posibles
opciones que se encuentran en la Base de Datos almacenados para mostrarlos en
la pantalla los cuales cuentan con la descripción inicial.
Figura 3.29 Pantalla de Coincidencias

Figura 3.30 Pantalla de Coincidencias 2

66
Figura 3.31 Pantalla de coincidencias 3
En este Caso se toma como Rasgos Faciales Predominantes los cuales son descritos
anteriormente como variables Lingüísticas que toma como referencia este prototipo para
obtener como resultado 4 coincidencias que pueden ayudar a la persona interesada en
obtener una respuesta rápida , confiable y oportuna.
Figura 3.32 Pantalla de coincidencias 4

67
4. CONCLUSIONES Y RECOMENDACIONES
Resumen
En este capítulo se presentan las conclusiones y
recomendaciones a las cuales se llega se acuerdo a la
investigación realizada así como a los resultados
obtenidos del prototipo desarrollado para dicha
investigación, además se describe como se alcanzaron
los objetivos y se proponen trabajos futuros.
4.1 CONCLUSIONES
Los distintos tipos de actividades que se engloban en el campo del quehacer de los
expertos en Arte Forense, constituyen por sí mismos medios y herramientas
imprescindibles de apoyo visual en la investigación de delitos, de utilidad tanto pericial
como policial, también brindando un gran apoyo a la sociedad para la búsqueda de
personas extraviadas o personas prontuariadas.
Una de las herramientas que nos permite manejar de manera adecuada el lenguaje
natural y ambiguo del especialista es la lógica difusa.
El prototipo se desarrolló en el programa Matlab, que está diseñado para el desarrollo de
de este tipo de sistemas.
El prototipo propuesto cumplió con las expectativas esperadas cumpliendo en un 87% su
trabajo de elaborar el Retrato requerido de un individuo.
4.2 COMPROBACIÓN DE LA HIPÓTESIS
Para la validación del prototipo, se han considerado como casos de estudio 10 individuos
que describieron a 10 personas a ser retratadas. Los resultados correspondientes de los
10 individuos se definirán como acertados o no acertados, con el fin de determinar su
validez. Ver Tabla 4.1
68
E S CARACTERÍSTICAS FACIALES
D E RESULTADO
PERSONA
A X Rostro Cejas Ojos Nariz Boca
D O
Separados Estrecha
Individuo 1 26 Femenino Cuadrado Sinuosas Media Acertado
Medianos Pequeña
Oblicuas Separados Ancha
Individuo 2 30 Masculino Invertido Grande Acertado
Internas Grandes Grande
Juntos Estrecha No
Individuo 3 21 Masculino Redondo Arqueadas Media
Pequeños Grande Acertado
Separados Estrecha
Individuo 4 43 Femenino T Invertido Rectilíneas Pequeña Acertado
Pequeños Mediana
Oblicuas Juntos Estrecha No
Individuo 5 28 Masculino Corazón Grande
Externas Grandes Mediana Acertado
Juntos Ancha Media
Individuo 6 44 Femenino Ovalado Arqueadas Acertado
Medianos Mediana Forma Corazón
Separados Ancha Grande No
Individuo 7 37 Femenino Invertido Sinuosas
Medianos Pequeña Forma corazón Acertado
Juntos Ancha
Individuo 8 45 Masculino Ovalado Arqueadas Grande Acertado
Grandes Mediana
Oblicuas Juntos Ancha No
Individuo 9 33 Femenino Cuadrado Mediano
Externas Pequeños Pequeña Acertado
Separados Estrecha Mediano
Individuo 10 29 Masculino Redondo Rectilíneas Acertado
Medianos Grande Forma Corazón
Tabla 4.1 Casos de Estudio

Fuente [Elaboración Propia]
De los 10 casos, se tiene los siguientes resultados:
 El resultado equivocado, acerca del retrato de la persona descrita corresponde al

individuo 3, 5, 7 y 9, cuyos datos acerca de rasgos faciales fueron insuficientes y
el prototipo no logro elaborar los retratos con datos insuficientes.
 El prototipo desarrollado en base al modelo del sistema experto, tiene una

interface fácil de usar.
69
Se ha demostrado que el prototipo es capaz de obtener resultados óptimos según las
personas descritas y retratadas.
La evaluación del prototipo, es mediante la función exponencial que permite determinar
el nivel de confiabilidad de la herramienta, en los que se han considerado como casos de
estudio a los resultados obtenidos de la tabla 4.1.
De acuerdo a la función exponencial, se debe comenzar en un instante t 0 = 0, y

observamos hasta que falla. Supongamos que ocurre en el instante t.
Designaremos por T la variable continua el tiempo para fallar o la duración del tiempo
sin fallar.
Entonces, la probabilidad de falla en el tiempo es t es:
Donde F (t) es la función de distribución de la variable aleatoria T, por lo tanto, la

probabilidad de trabajo sin falla del sistema en un tiempo es t es:
Ahora bien, si tomamos a T como una variable aleatoria del tipo exponencial, entonces
R (t) es la confiabilidad y la describimos:
Teniendo en cuenta que los 10 casos sometidos a estudio, se tienen los siguientes
resultados:
Del análisis de los 10 individuos que proceso el prototipo, 8 coincidieron con las
personas buscadas.
70
Donde λ es una constante positiva, que es el promedio de fallas λ = 4 / 10 = 0,4
Entonces se tiene la función de densidad:
Para un tiempo de trabajo de 3 meses (t= 4 / 12) del prototipo, la confiabilidad será:
Lo cual indica que el prototipo tiene una confiabilidad del 87%. Entonces, con los
resultados obtenidos concluimos en la aceptación de la hipótesis de investigación.
4.3 ESTADO DE LOS OBJETIVOS
4.3.1 Objetivo General
El objetivo General, establecido en el Capítulo I, es” Desarrollar un prototipo para

realizar el Retrato Hablado mediante una selección de imágenes faciales basado en los
Sistemas Expertos que permita la identificación de características faciales en una Base
de Datos”, este objetivo se cumple con el modelado y desarrollo del prototipo,
desarrollado en el Capítulo III.
4.3.2 Objetivos Específicos

 Obtener características faciales mediante una base de datos de imágenes de
rostros. Se describe en el Capítulo III Tabla 3.4 Descripción de campos de la
Base de Datos.
variable de descripción según su clasificación. Se describe en el Capítulo III.
 Determinar la construcción del Retrato Hablado mediante patrones faciales
variables. Se describe en el Capítulo III, toma en cuenta variables
lingüísticas definidas y con sus respectivas características.
71
 Realizar la selección de características faciales mediante una base de datos
de imágenes de rostros. Se describe en el Capítulo III.
retrato hablado construido. Se describe en el Capítulo III, se muestran a
partir de la Figura 3.26 que nos muestran las Coincidencias.
identificación facial. Se describe en el Capítulo III.
4.4 RECOMENDACIONES
Serian las siguientes:
 No existe una elección única y universal de los componentes faciales de interés, sino
que diferentes métodos que podrían ser trabajados con distintos elementos,
descartando otros.
 Cuanto mayor nivel de detalle requiera una aplicación, más componentes pueden
considerarse. Por ejemplo, para un interfaz puede ser suficiente con conocer la
posición media de ambos ojos.
4.5 TRABAJOS FUTUROS

 Desarrollar un sistema que permita la elaboración de un retrato, considerando la
tonalidad de la piel.
 Crear un sistema que admita en su rango de edad a personas de 21 años en adelante
sin tener ninguna restricción al respecto.
 Diseñar un sistema que realice el Retrato Hablado, modelado en tres dimensiones.
 Desarrollar un software que tenga diferentes razas y no solo algunas para la creación
del retrato.
72
Anexo A
RELACIÓN CAUSA - EFECTO
CAUSA EFECTO
Insuficiente experiencia del dibujante de Proceso tardío en la elaboración del retrato
rostros para realizar el retrato hablado. hablado.
Poco realismo con que se elabora el
retrato hablado, por tratarse de un Identificación de una persona equivocada.
dibujo.
Poca habilidad de la victima (persona
interesada) para describir los rasgos Retraso en la elaboración del retrato hablado.
faciales de la persona buscada.
No se cuenta con un registro El identificar a una persona sin contar con un
computarizado que contenga sistema el cual nos ayude a realizar este
características faciales propias de una trabajo de manera rápida y confiable.
persona.
No se tiene una base de datos con Demora en tiempos de procesos de búsqueda
características faciales y su respectiva mediante descripción facial de una persona
descripción. tomando en cuenta su descripción.
No hay una base de datos donde se Tardanza en realizar el retrato hablado de una
realice una búsqueda óptima de persona puesto que se la crea de manera
coincidencia de una persona. manual.
No es usada la técnica de realizar un No se obtiene un resultado rápido pues el
retrato hablado computarizado ya que se tiempo en algunos casos es primordial para
lo realiza manualmente. obtener el retrato de una persona.
73
Anexo B
EL ROSTRO
El análisis del rostro a partir de una perspectiva biológica permite establecer y justificar
los parámetros adecuados para explicar y presentar las bases científicas que se tuvieron
en cuenta en el estudio del análisis y la correspondencia de las estructuras cráneo
faciales.
En la cotidianidad, sin duda alguna, el rostro es el principal carácter anatómico que
permite a cualquier persona reconocer a otra. Es lo que más se recuerda con facilidad. La
capacidad cerebral humana identifica los aspectos físicos de un rostro, los asocia,
diferencia, reconoce y puede otorgarles características de propiedad a un determinado
sujeto.
Según Lopera (2007) el proceso mental que se lleva a cabo para un reconocimiento
facial, desde el punto de vista biológico, es posible porque el cerebro fundamenta el
reconocimiento de rostros a partir de variaciones con respecto a una cara promedio y de
acuerdo al entorno en que se desarrolla el individuo. Además:
- El cerebro tiene la capacidad de reconocer el rostro como un todo, o bien analizar los
componentes del mismo por separado. Las personas identifican con mayor facilidad los
rostros similares a su grupo biológico; en cambio es más complicado con aquellos que se
alejan de dicha similitud (Golby, et al 2001).
Existe una región en la parte posterior del cerebro que responde cuando se ven caras a
diferencia de cuando se observa otra parte de la anatomía u objetos.
Desde niños poseemos la habilidad de reconocer personas, pues, a corta edad, el cerebro
dispone de la capacidad de reconocer alrededor de 200 caras conocidas y desconocidas.
El contexto juega un papel importante para el reconocimiento y memorización pues
muchas veces se identifica a la persona más por el contexto que por la cara en sí. Por lo
tanto el reconocimiento facial es una posibilidad importante en la identificación de
sujetos tanto vivos como muertos.
74
El rostro es una estructura conformada por una serie de elementos que permiten
individualizarla. Dichos elementos son los ojos, la nariz, la boca, las orejas, el cabello, el
mismo contorno del rostro y el mentón. Todo ello brinda muchas posibilidades para
conocer la estructura facial en su totalidad y por ello ofrece un contexto importante para
el reconocimiento en el ámbito forense.
Sumado a lo anterior, deben tenerse en cuenta otros factores, fuera de la capacidad
humana, para el reconocimiento de un rostro. Estos factores son los biológicos,
inherentes a todos nosotros.
ARMONÍA FACIAL
Históricamente, la humanidad ha pretendido establecer, desde la perspectiva del arte,
parámetros como indicadores de armonía. En Grecia, los escultores profundizaron en el
ideal de la forma facial y a través de sus conceptos estéticos constituyeron los cánones
artísticos de proporción facial. El patrón de simetría y armonía del conjunto en general
sería la directriz espacial que determinaría sus resultados. Los cánones se han
transformado
a través del tiempo. Así los ideales griegos de Phidias, Praxiteles y Polycitus fueron la
guía para los cánones neoclásicos del Renacimiento en Miguel Ángel y Da Vinci,
Francesca y Pacioli, Quienes fueron a su vez redefinidos a posteriori por Durero y
Schadow.
Los cánones faciales neoclásicos son:
1. La altura cráneo facial total se divide en dos partes iguales: del vertex al endocanthion
y de endocanthion a gnation.
2. La altura cráneo facial total se divide en tres partes iguales: de trichion a nasion, de
nasion a subnasal y de subnasal a gnation.
3. La altura craneofacial total se divide en cuatro partes iguales de vertex a trichion, de
trichion a glabela, de glabela a subnasal y de subnasal a gnation.
4. La longitud de la nariz es igual a la longitud de la oreja.
5. La distancia inter ocular es igual a la anchura de la nariz.
6. La distancia inter ocular es igual a la longitud de la fisura ocular.
7. La anchura de la boca es igual a 1.5 de la anchura de la nariz.
75
8. La anchura de a nariz corresponde a 1/4 de la anchura de la cara.
9. La inclinación del puente nasal es igual a la inclinación del eje medio longitudinal de
la oreja.
LA IDENTIFICACIÓN HUMANA A TRAVÉS DEL RETRATO HABLADO

Etimológicamente la palabra identificación proviene del verbo latino identificare, y éste,
a su vez, de los vocablos identitas-atis -identidad, calidad de idéntico, el mismo ente- y
defacere, -hacer, realizar.
El Diccionario de la Real Academia define la identificación como: “Acción y efecto de
identificar o identificarse”, mientras que identificar lo define como: “reconocer si una
persona o cosa es la misma que se supone o se busca”. Desde el punto de vista judicial,
la identificación es el hecho de reconocer que una persona presente o gráficamente
representada, es la misma que dice ser, que se supone o se busca.
Determinando el conjunto de signos que distinguen a un individuo de todos los demás,
ya sea durante la vida o después de la muerte.
Para el antropólogo francés Edmund Locard, la identificación personal es “la operación
policial o médico-legal, mediante la cual se establece la personalidad de un individuo”.
La Identificación personal, a su vez, puede ser de carácter civil o de carácter judicial
(realizada con los delincuentes cuando son detenidos a través de las reseñas dactilar y
fotográfica). la identificación es pues el establecimiento de manera inequívoca de la
identidad o personalidad física de un individuo, a partir de su primera reseña técnica, ya
sea ésta antropométrica, morfológica, fotográfica, lofoscópica o mixta” (Ahsbaugh
1999).
ANTECEDENTES Y EVOLUCIÓN HISTÓRICA DEL RETRATO HABLADO
Según Taylor (2001) el arte forense, como lo denomina, expresado en el retrato hablado
no es un tema nuevo. Ha sido usado durante décadas como herramienta para el
establecimiento de la ley. Desde el caso de “Jack el destripador” hasta el caso del
atentado bomba en la ciudad de Oklahoma, el arte forense ha documentado la
información relacionada con el crimen e incrementado las posibilidades para el
establecimiento de la justicia.
76
El antecedente más claro de retrato hablado puede establecerse en 1881, cuando scotland
Yard difundió un cartel en el que se hacía de conocimiento público la búsqueda de Percy
Lefroy Mapleton. La representación del individuo se realizaba de manera casi
caricaturesca (ver figura 1).
Composición realizada por un artista desconocido de Percy Lefroy Mapleton. En el viejo

oeste la difusión de este tipo de dibujos se tornó más frecuente, con el fin de buscar a los
delincuentes. Es importante resaltar que Taylor (2001) incluye en su libro una de las
primeras reconstrucciones planimétricas efectuada por el Doctor Gordon Brown en
1888, para el lugar de los hechos de la cuarta víctima de Jack el destripador: Catherine
Eddowes. (Figura 2)
Figura 2
Dibujo posmortem de la cuarta víctima de Jack el destripador efectuada por
El Doctor Gordon Brown en 1888
Actualmente se siguen utilizando estas técnicas de identificación que vieron sus rimeras
luces hacia finales del siglo IXX.
77
Antropológicamente, la técnica de retrato hablado aplicada en la identificación tiene su
origen en Alfonse Bertillon en el año de 1896. Quien describía sistemáticamente los
rasgos faciales y las características de los delincuentes para su identificación. Su trabajo
se apoyó en la toma de fotografías, y en la medición directa. Clasificando los rasgos
faciales hallados de acuerdo a las características de su época. El Bertillonaje, como se le
llama duró alrededor de 20 años y fue reemplazado por la técnica dactiloscópica (Taylor
2001). Posteriormente se retomaría y se perfeccionaría. El método de identificación de
Bertillon se divide en tres partes:
a. El señalamiento Antropométrico.
b. El señalamiento descriptivo.
c. El señalamiento de las marcas particulares.
El señalamiento descriptivo se divide a su vez en:
- Características Cromáticas:
1. Iris Izquierdo. 2. Cabello y Piel.
- Características Morfológicas
1. Frente: Altura, Anchura, inclinación, prominencia, particularidades.
2. Nariz: Concavidad, base, dorso, ventanas, dimensiones, particularidades.
3. Oreja derecha: bordes, lóbulo, antitrago, pliegues, forma general, separación,
peculiaridades.
-Características complementarias:
4. Acrocefalia, trigonocefalia, etc., altura naso labial, prominencia del labio, borde labio,
forma de la cara, el cabello, la barba, las cejas, el globo ocular, surcos, pliegues de la
piel y el cuello. Modo de andar, la gesticulación, la mirada, la mímica facial, la voz, la
manera de hablar, la costumbre de vestir, la profesión etc.
Figura 3 Dibujo de Duprec demostrando el sistema de Bertillon para la medida de la oreja
78
Entre los años cincuenta y sesenta los investigadores desarrollaron una técnica
denominada Identi- Kit, consistente en la superposición de acetatos con los diferentes
rasgos del rostro a fin de obtener un retrato hablado.
Hasta el presente las características faciales (forma del rostro, tipo de ojos, boca, narices,
etc.) se obtienen por medio de fotografías estandarizadas. Sin embargo la utilización de
este sistema presenta inconvenientes, pues los rasgos morfológicos obtenidos no eran
suficientes y de alguna manera los rostros obtenidos por medio de este sistema no eran
concluyentes (Taylor 2001).
El dibujo a mano alzada, realizado por artistas judiciales no perdió vigencia. Para
muchos es una técnica que no puede ser reemplazada, pues el artista puede imprimir
características en la elaboración del retrato que no se facilitan mediante la superposición
de imágenes.
A pesar de lo anterior y gracias a la experiencia en cuanto al avance tecnológico de los
sistemas de cómputo; se han logrado tener avances en la elaboración de identikits para
identificación humana sustentados en investigaciones más completas y controladas. De
los sistemas de composición facial creados recientemente podemos mencionar: FACES,
Caramex, Photo Fit, entre otros (Taylor 2001).
La técnica del retrato hablado, por lo general se utiliza en el proceso de identificación de
personas vivas. No obstante se tienen referencias de elaboración de retratos a partir de
análisis antropofísicos del cráneo. (Valencia 2007). Estos trabajos reúnen la técnica de
reconstrucción planimétrica, junto con La técnica escultórica. Esta técnica has sido
llevada a cabo por la artista Karen Taylor (2001).
FORMA DEL ROSTRO

En cuanto a las diez formas faciales básicas establecidas por Poch (Figura1). Se
encontró, para las mujeres, una alta frecuencia de la forma IX, seguida de la forma VII
(trapezoidal invertida y romboidal). Mientras que las formas V, VI Y VIII (rectangular,
cuadrangular y trapezoidal) no tuvieron representación en la muestra.
79
Figura 4
Formas faciales de Poch
I elíptica, ii oval, iii oval invertida, iv redondeada, v rectangular, vi cuadrangular, vii romboidal, viii
trapezoidal, ix trapezoidal invertida, x pentagonal
En los hombres hubo presencia en todos los tipos de rostro, exceptuando el de tipo
trapezoidal (VIII). Los del tipo II, y, IX fueron los más frecuentes con un porcentaje de
20.84 % cada uno.
Figura 5.
Frecuencias de las formas faciales de Poch en mujeres
Figura 6.
Frecuencias de las formas faciales de Poch en Hombres
OJOS
80
La conformación de la región ocular está determinada, además de la estructura ósea, por
el desarrollo del pliegue palpebral superior y del pliegue epicántico interno (Figura 2),
los cuales se dataron en la ficha de registro de datos incluyendo el color de los ojos. En
la muestra femenina se encontró que la conformación de pliegue palpebral superior con
características ligeras es el más frecuente, con porcentaje del 45,94%, seguido del
pliegue medio con un 37,83%. El menos frecuente es el desarrollado En cuanto al
pliegue epicántico interno, los resultados arrojaron una mayor frecuencia para el ausente,
con porcentaje del 40,54 %, seguido del ligero y del medio con porcentajes del 27,02% y
21,62% respectivamente.
Los ojos de la muestra masculina presentan un comportamiento similar. El desarrollo del
pliegue palpebral exhibe porcentajes de: 58.4 % para el ligero, 29.1% para el medio y
12.5% para el pliegue ausente. En cuanto al pliegue epicántico interno se tuvo: 46% para
el ausente, 42% para el ligero y 12% para el de tipo medio.
Figura 7. Frecuencias Porcentuales

El color de ojos más frecuente es el café con un promedio entre los dos sexos de 73.2%,
seguido del color verde café con un 20%. El color negro tuvo igual representación junto
con el verde con un 2.7 % respectivamente. No se registraron colores como azul, azul-
café, gris.
81
NARIZ
La forma de la nariz es muy variable definida ontogénica, sexual y poblacionalmente
(Rodríguez, 2004). Su forma está definida por: la región de la raíz, el perfil del dorso
(figura 3), la punta nasal, que puede ser respingada, horizontal o inclinada hacia abajo
(figura 4) y la forma de los orificios nasales.
Figura 8
Tipos de Perfiles Nasales
BOCA
En términos generales, la forma y tamaño depende del tipo de oclusión, del grado de
prognatismo alveolar y facial, de la profundidad de la fosa canina, de la prominencia
alveolar de los incisivos y caninos. La forma de la boca femenina se corresponde con
unos labios
Figura 9
Grosor de Labios
Medios en un total de 51.4%, Gruesos en un 45.9% y delgados 2.7%. La boca masculina
se representó con un 54.1% para los labios de tipo Medio, 37.5% para el tipo Grueso y
82
8.31 para los labios Delgados. No se encontraron labios de tipo Muy Grueso en la
muestra.
Figura 10
Porcentajes hallados para el grosor de los labios
Figura 11
Forma del perfil tegumentario en función del grosor de los labios
CEJAS
La forma de las cejas depende del borde orbital y de la posición de los arcos
superciliares, siguiendo la línea de estos. Para el caso femenino se encontró que la forma
arqueada es la más común. En cuanto a la densidad (escasa – poblada – tupida) se
encontró porcentaje de: 16.21%, 54.05% y 29.72%. En los hombres, la forma ondulada
fue la más frecuente, seguida de la arqueada y la recta; además hubo presencia de las
unidas al centro, rasgo nulo en las mujeres, posiblemente porque el 98% de ellas
manifestó el hecho de depilarlas. Para la densidad el 12.5% fue escasa, 25% poblada y
62.5% tupida.
83
Figura 12
Porcentajes para la forma de las cejas
MÉTODOS DE COINCIDENCIA DE PLANTILLAS

En los métodos de coincidencia de plantillas un patrón facial estándar (normalmente de
una cara en pose frontal) se predefine manualmente o con parámetros mediante una
función. Dada una imagen de entrada, se calculan unos valores de correlación utilizando
los patrones estándar para el contorno facial, los ojos, la nariz y la boca
independientemente. La existencia de una cara se determina en base a los valores de
correlación. Estos métodos tienen como ventaja una implementación sencilla, sin
embargo se ha probado que son ineficaces para la tarea de la detección facial ya que no
pueden tratar efectivamente la variación en escala, pose y forma de la cara.
La aplicación de una plantilla es similar a los métodos basados en conocimiento, ya que
el conocimiento de las características faciales o bien puede ser aprendido y construir así
una plantilla dinámica, o bien puede ser predefinido. La aplicación es una plantilla
podría realizarse a diferentes escalas debido a la simpleza de muchas plantillas que se
relacionan simplemente con la simetría de las características faciales y con las distancias
relativas. Sin embargo, como se ha dicho, utilizar solamente estos métodos no es muy
efectivo con lo que a menudo suelen utilizarse junto a otras técnicas basadas en
características invariantes. Los métodos descritos a continuación se centran sólo en
aquellas técnicas donde la coincidencia de plantillas es la base para la detección.
84
2.4.1 Plantillas predefinidas
Sabert y Tekalp [SABER & MURAT, 1998] utilizaron una función de coste basada en
la simetría y un módulo de clasificación de formas basado en la deducción sobre un
conjunto de muestra. Mediante el uso de un proceso de segmentación de piel esta técnica
es capaz de trabajar basándose en una plantilla predefinida, que es usada junto a un
modelo elíptico y un algoritmo de búsqueda de características faciales.
En la primera etapa se realiza una segmentación del color de la imagen. Esto no es muy
diferente a las técnicas que usan características invariantes basadas en el color
presentadas anteriormente. Sin embargo, hay una diferencia y es la aplicación del
espacio YCbCr en vez del RGB, que es menos sensible a las variaciones de la
intensidad. A continuación se realiza una clasificación del color de la piel, que se deriva
de una distribución obtenida a partir de un conjunto de pruebas. Para agrupar las zonas
de piel se utiliza un filtrado GRF (Gibbs Random Field). El uso del color como
clasificador es muy eficiente computacionalmente y se usa como un proceso preliminar
a la coincidencia de plantillas.
Una vez identificadas las regiones de piel debemos decidir si contienen una cara o no,
esto se realiza principalmente mediante el uso de un modelo de clasificación de forma.
El modelo es una plantilla de cara basada en la naturaleza elíptica de la cara humana.
P. Sinha emplea un pequeño conjunto de características espaciales invariantes en una
imagen para describir el espacio de los patrones faciales [[SINHA, 1994]. Para designar
lo invariante se basa en que, mientras que las variaciones en iluminación cambian el
brillo individual de diferentes partes faciales (ojos, mejillas, frente) el brillo relativo de
estas partes permanece aproximadamente invariable. Determinar estas proporciones en
unas cuantas regiones y guardar solamente su dirección (por ejemplo, ¿Es una región
más brillante que otra?) proporciona una característica invariante bastante robusta. Por
lo tanto, las regularidades en el brillo facial se codifican como una plantilla de relaciones
que es una plantilla espacial de una cara con subregiones que se pueden identificar con
características faciales clave como ojos, mejillas y frente. Las relaciones en el brillo
entre distintas zonas faciales se capturan mediante relaciones entre subregiones. Se dice
85
que se ha localizado una cara si una imagen satisface todas las relaciones establecidas
anteriormente.
GUIDE
INTERFAZ GRÁFICA DE USUARIO EN MATLAB
INTRODUCCIÓN
GUIDE es un entorno de programación visual disponible en MATLAB para realizar y
ejecutar programas que necesiten ingreso continuo de datos. Tiene las características
básicas de todos los programas visuales como Visual Basic o Visual C++.
INICIO
Para iniciar nuestro proyecto, lo podemos hacer de dos maneras:
• Ejecutando la siguiente instrucción en la ventana de comandos:
>> guide
• Haciendo un click en el ícono que muestra la figura:
Ícono GUIDE.
86
Se presenta el siguiente cuadro de diálogo:
Ventana de inicio de GUI.

Se presentan las siguientes opciones:
a) Blank GUI (Default)
La opción de interfaz gráfica de usuario en blanco (viene predeterminada), nos presenta
un formulario nuevo, en el cual podemos diseñar nuestro programa.
b) GUI with Uicontrols
Esta opción presenta un ejemplo en el cual se calcula la masa, dada la densidad y el
volumen, en alguno de los dos sistemas de unidades. Podemos ejecutar este ejemplo y
obtener resultados.
c) GUI with Axes and Menu
Esta opción es otro ejemplo el cual contiene el menú File con las opciones Open, Print y
Close. En el formulario tiene un Popup menu, un push button y un objeto Axes, podemos
87
ejecutar el programa eligiendo alguna de las seis opciones que se encuentran en el menú
despegable y haciendo click en el botón de comando.
d) Modal Question Dialog
Con esta opción se muestra en la pantalla un cuadro de diálogo común, el cual consta de
una pequeña imagen, una etiqueta y dos botones Yes y No, dependiendo del botón que se
presione, el GUI retorna el texto seleccionado (la cadena de caracteres ‘Yes’ o ‘No’).
Elegimos la primera opción, Blank GUI, y tenemos:
Entorno de diseño de GUI
La interfaz gráfica cuenta con las siguientes herramientas:
88
Para obtener la etiqueta de cada elemento de la paleta de componentes ejecutamos:
File>>Preferentes y seleccionamos Show names in component palette. Tenemos la
siguiente presentación:
Entorno de diseño: componentes etiquetados.
La siguiente tabla muestra una descripción de los componentes:
89
BIBLIOGRAFÍA
[AZNAR, 2005] AZNAR G. Fidel, 2005. Fundamentos de

Inteligencia Artificial: Sistemas Expertos,
Universidad de Alicante. España.
[BARRAGAN, 2000] BARRAGAN, Guerrero Diego O. 2000.Manual de

Interfaz Gráfica de Usuario en Matlab. México
[CALLISAYA, 2009] CALLISAYA C. Jacqueline Miriam, 2009.

Consultas difusas a Base de Datos Relacional,
Universidad Mayor de San Andrés, La Paz Bolivia.
[CASTILLO, G. & HADI, 1995] CASTILLO E., Gutiérrez, J.M. AND HADI, A. S.,
1995. Sistemas Expertos y Modelos de Redes
Probabilísticas Universidad de Cantabria. España.
[CHAMBI, 2007] CHAMBI C., J. Edwin.2007, Sistema Experto de

diagnóstico y Tratamiento del cáncer de próstata,
Universidad Mayor de San Andrés, La Paz Bolivia.
[DAVID, 1987] DAVID, S. 1987. Expert Systems for Software

Engineers and Managers. London. Chapman and
Hall.
[DUSSAUCHOY, 1988] DUSSAUCHOY, A., 1988. Sistemas Expertos:

métodos y herramientas. Madrid España: Paraninfo.
[EKENEL, 2004] H. EKENEL and B.SANKUR, 2004“Feature

selection in the independent component subspace
for face recognition”, vol. 25, no. 12, pp 1377-
1388.
[GARCÍA, 2004] GARCIA, R. M y Britos, P. V. 2004. Ingeniería de

Sistemas Expertos. Argentina. Nueva Librería.
672p.
[GIARRATANO & RILEY, 2001] GIARRATANO Joseph & RILEY Gary, 2001.
Sistemas Expertos: Principios y Programación.
International Thomson Editores. México.
[GINES, 2007] GINÉS García Mateos, 2007, Procesamiento de

Caras Humanas Mediante Integrales Proyectivas,
Murcia.
[GODOY, 2008] GODOY Carlos Alberto, 2008. La Identificación

Humana Dentro del Proceso Penal, Ventajas del
sistema dactiloscópico sobre los otros sistemas de
identificación humano en nuestro ordenamiento
jurídico.
[LANDESA & ALBA, 2004] LANDESA Vázquez Iago, Alba Castro José Luis,
Detección de Caras y Localización de
Características Faciales para Reconocimiento
Biométrico, Universidad de Vigo ETSE
Telecomunicación.
[LAHOZ, 2004] LAHOZ, Rafael. 2004. Bioinformática Simulación.

Vida Artificial e Inteligencia Artificial. Díaz de
Santos.
[LECHA, 2009] LECHA, Antonio Marzo, 2009. El retrato
Hablado o Descripción verbal de la sonomía
humana, Universidad de Michigan.
[MARTINEZ, 2010] MARTINEZ García Ramón. 2010, Métodologia

Ideal Facultad de Informática de la Universidad
Politécnica de Madrid.
[MEDINA, 1994] MEDINA Rodríguez J. Miguel, 1994.Bases de

Datos relacionales Difusas: Modelo teórico y
aspecto de su Implementación, Universidad de
Granada España.
[MURILLO, 2010] MURILLO Ramos, Miguel Ángel, 2010. Análisis

De La Variabilidad Morfológica Facial En una
Muestra de Personas con Ancestros
Cundiboyacenses. Universidad nacional de
Colombia, Bogotá.
[PARSAYE, 1989] PARSAYE, Kamran. 1989. Intelligent databases.
[RICH & KNIGHT, 1994] RICH,E. Y KNIGHT, K. 1994, Inteligencia

Artificial, Segunda Edición. McGraw-Hill,
Interamericana.
[ROLSTON, 1998] ROLSTON, D., 1998. Sistemas Expertos

Introducción a la Técnica y Aplicación, 1ra Ed.
Barcelona España.
[RUSSELL & NORVIG, 2004] RUSSELL & NORVIG, 2004. Inteligencia
Artificial: Un enfoque moderno. Segunda Edición.
Pearson Educación S.A. Madrid España.
[SALAZAR, 2003] SALAZAR S. CARLA, 2003. Una introducción a

los Sistemas Expertos. Universidad Mayor de San
Simón. Cochabamba. Bolivia.
[SAMPER, 2005] SAMPER MARQUEZ, Juan José. 2005. Sistemas

Expertos. El Conocimiento al Poder
[SANTANA, 2010] SANTANA PATRICIA CEMA, 2010.

Reconocimiento de Imágenes Faciales. Universidad
nacional de Colombia, Facultad de ciencias
Departamento de matemáticas Bogotá.
[SERRANO, 1997] SERRANO, Carlos, María VILLANUEVA, Jesús

LUY y Karl F. LINK, 1997. El proyecto “La cara
del mexicano”, Boletín de Enlaces 26-28, UNAM,
México.
[SINHA, 1994] P. SINHA, “Object Recognition via Image

Invariants: A case Study”, Investigative
Ophthalmology and Visual Science, Vol. 35, pp.
1735-1740. 1994.
[POSADA, 1992] POSADA Jeanjacques, J. A.1992.“La Ciencia

Criminalística”. 1ra. Edición. Facultad de Derecho.
Universidad de Oriente. Santiago de Cuba. Pps.
119-124.
REFERENCIAS ELECTRONICAS
[CASTILLO, 2005]
CASTILLO, Enrique, José Manuel Gutiérrez. Sistemas Experts y Modelos de Redes
Probabilísticas. Disponible en:
http://personales.unican.es/gutierjm/papers/BookCGH.pdf.
Fecha de acceso: [Febrero, 2013]
[CRIMINALISTICA, 2007]
Elaboración de retratos compuestos (hablados)
Disponible en:
http://www.pgjdf.gob.mx/periciales/especialidades/Retrato%20Hablado.htm
Fecha de acceso: [Octubre, 2012]
[GUTIERREZ, 2006]
GUTIERREZ, José. Sistemas Expertos Basados en Reglas.
Disponible en: http://personales.unican. es/gutierjm/cursis/expertos/Reglas/pdf.
Fecha de acceso: [Enero, 2013]
[PAVON, 2004]
Ingeniería del Software de Gestión 1 Facultad de Informática Juan Pavón Mestras Dep.
Sistemas Informáticos y Programación, Universidad Complutense Madrid, 2004
Disponible en: http://www.fdi.ucm.es/profesor/jpavon.
Fecha de acceso [Agosto, 2013]
[SCRIBD, 2000]
El Retrato Hablado Criminalística, 2000. Disponible en:
http://es.scribd.com/doc/3993853/Tema-8parte-B-El-retrato-hablado-Criminalistica
Fecha de acceso: [Marzo, 2013]
[VARGAS, 2009]
Vargas Francisco, 2009.”Descripción general de las técnicas de lógica difusa”
Disponible en:
http://www.scribd.com/doc/14188261/Resumen-y-conclusion-tesis-Francisco-Vargas
Fecha de acceso: [Agosto, 2013]

El Retrato Hablado

Cargado por

Copyright:

Formatos disponibles

El Retrato Hablado

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

El Retrato Hablado

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

“RETRATO HABLADO COMO SISTEMA DE IDENTIFICACIÓN

PARA OPTAR AL TÍTULO DE LICENCIATURA EN INFORMÁTICA

POSTULANTE: MARCIA MACIEL ENRÍQUEZ SOTO

LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

El usuario está autorizado a:

a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

2.1 Inteligencia Artificial 10

2.1.1 Inteligencia Artificial y Sistemas Expertos 11

2.2.2 Adquisición del Conocimiento 16

2.2.3.12 Método Mamdani 27

2.3 El Retrato Hablado y su Concepción Criminalística 27

2.3.1 Elaboración de Retratos Hablados del Tipo Compuestos 28

2.5 Métodos de Coincidencia de Plantillas 34

2.6 Metodologías de Desarrollo de Sistemas Expertos 36

3.1 Desarrollo del Prototipo 41

3.2.6 Definición del Método Difuso 52

3.2.7 Sistema de Inferencia 53

3.2.8 Obtención de la Salida del Sistema Difuso 54

3.3 Elección del Software 54

3.4.1 Diseño de Interfaz del Prototipo 56

3.4.1.1 Creación de Rasgos Faciales del Prototipo 57

4.2 Comprobación de la Hipótesis 66

4.5 Trabajos Futuros 70

Figura 2.1. Relaciones entre IA y la INCO 10

Figura 2.2. Método Algorítmico y heurístico 13

Figura 2.3. Componentes de un Sistema Experto 14

Figura 2.4 Ejemplo de un Conjunto Difuso 22

Figura 2.5 Ejemplo valores reales de un Conjunto Difuso 23

Figura 2.6 Elementos de un Conjunto Difuso 23

Figura 2.7 Arquitectura de un Sistema Experto Difuso 24

Figura 2.8 Según Bertillón 33

Figura 2.9 Ubicación de la punta de la nariz y el centro de la boca 35

Figura.3.1 Retrato hablado de "Bochas" 41

Figura 3.2 Etapas de desarrollo del sistema experto 42

Figura 3.5 Procesos del Prototipo 46

Figura 3.6 Árbol de Descomposición Funcional 46

Figura 3.7 Formas del Rostro 47

Figura 3.8 Altura de las Cejas 48

Figura.3.9 Dirección de las cejas 48

Figura 3.10 Conjuntos Difusos de la Variable Cejas 49

Figura 3.11 Variable Nariz y sus Medidas 49

Figura3.12 Diferentes Tipos de Nariz 50

Figura 3.13 Anchura de la Boca 51

Figura3.14 Labios en forma de Corazón 51

Figura 3.16 Arquitectura del Sistema Difuso Mandani 53

Figura 3.17 Esquema de Funcionamiento del Prototipo 55

Figura 3.18 Diagrama de Funcionamiento del Prototipo 56

Figura 3.19 Interfaz Principal del Prototipo 56

Figura 3.20 Pantalla Captura de Rasgos Faciales 57

Figura 3.21 Descripción de la Forma del rostro 58

Figura 3.22 Descripción de la forma de cejas 59

Figura 3.23 Descripción de la forma de ojos 59

Figura 3.24 Descripción de la forma de nariz 60

Figura 3.25 Rasgos Adicionales 60

Figura 3.26 Pantalla Forma de Rostro 1 61