Reconhecimento de faces via tÃcnicas de autovetores.

AUTOR(ES)
DATA DE PUBLICAÇÃO

1998

RESUMO

Este trabalho investiga o problema de reconhecimento de faces utilizando Sistemas de Reconhecimento Facial (SRFs) baseados na extraÃÃo de caracterÃsticas via tÃcnicas de autovetores, objetivando propor combinaÃÃes dessas tÃcnicas, comparar o desempenho em situaÃÃes de interesse e analisar o comportamento de redes neurais como classificador. Para extraÃÃo de caracterÃsticas sÃo utilizadas as tÃcnicas Linear Discrimiant Analysis (LDA) e Principal Component Analysis (PCA). Inicialmente, de modo a explicar o problema de reconhecimento de faces, à apresentada uma breve revisÃo sobra a literatura relativa ao tema, destacando-se os trabalhos Goudail et alii (1996) e Neto (1997) que sÃo fundamentais para as propostas desenvolvidas na presente dissertaÃÃo. Na seqÃÃncia, de modo a analisar detalhadamente as tÃcnicas utilizadas nestes trabalhos, os sistemas de reconhecimento facial sÃo divididos em trÃs etapas, a saber, descriÃÃo da face, extraÃÃo de caracterÃsticas e classificaÃÃo. A seguir, à formado o banco de dados ITA, contendo 400 imagens faciais de pessoas da DivisÃo de Engenharia EletrÃnica do Instituto TecnolÃgico de AeronÃutica (ITA), e o sistema de aquisiÃÃo de imagens utilizado na sua construÃÃo sÃo apresentados. Este banco de dados ORL (Samaria, 1994) sÃo utilizados nas avaliaÃÃes de desempenho com o objetivo de testar os mÃtodos e o comportamento destes a variaÃÃes nas disposiÃÃes das faces presentes em cada base de dados. Na seqÃÃncia, o SRF baseado em LDA (SRF-LDA) à implementado. Os resultados da avaliaÃÃo dos bancos de dados mostram um desempenho satisfatÃrio. Com o objetivo de comparaÃÃo, o mesmo procedimento à realizado para o SRF baseado em PCA (SRF-PCA), concluindo-se que melhor desempenho à obtido no SRF-LDA. Em seguida propÃe-se um SRF que utiliza uma combinaÃÃo das tÃcnicas LDA e PCA (SRF+PCA+LDA). Esta combinaÃÃo utiliza extraÃÃo de caracterÃsticas com descriÃÃo da face atravÃs de vetores de intensidade de pixel, realiza um mapeamento que otimiza a relaÃÃo de distÃncias interclasse e intraclasse, diminui o nÃmero de coeficientes necessÃrios para se representar uma face e melhora o desempenho de processo de reconhecimento. Finalmente, uma vez que rede neural à classicamente utilizada como classificador, propÃe-se sua utilizaÃÃo tanto no SRF-PCA, quanto para o SRF-PCA+LDA. O classificador baseado em redes neurais melhora o desempenho do reconhecimento em ambos os casos.

ASSUNTO(S)

processamento de imagens reconhecimento de padrÃes redes neurais banco de dados

ACESSO AO ARTIGO

Documentos Relacionados