Las características que extrae de los datos faciales están, por supuesto, basadas en la aplicación, pero se pueden dividir en dos categorías:
- Características geométricas: Estas incluyen métricas como distancia, pendiente, ángulo entre los puntos clave de características faciales. El uso de tales características típicamente implicaría la detección de puntos de característica usando ASM / AAM seguido calculando las características geométricas deseadas. Debido a una amplia gama de variaciones entre los tamaños de imágenes faciales en el conjunto de datos de hormigas, necesitaría normalizar sus características antes de aplicarlas a cualquier canalización de Machine Learning.
- Características basadas en textura: en esta categoría, puede emplear técnicas como Patrones binarios locales (LBP) / Gabor Wavelets para extraer características. En casi todos los casos, las características basadas en texturas con las que estaría tratando serían de alta dimensión y necesitarían alguna forma de reducción de dimensionalidad.