Reconhecimento de faces via técnicas de autovetores.

• Ano de defesa: 1998
• Autor(a) principal: Valderado Rodrigues Palma
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Reconhecimento de padrões; Processamento de imagens; Redes neurais; Banco de dados; Computação; Engenharia eletrônica
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2577

Este trabalho investiga o problema de reconhecimento de faces utilizando Sistemas de Reconhecimento Facial (SRFs) baseados na extração de características via técnicas de autovetores, objetivando propor combinações dessas técnicas, comparar o desempenho em situações de interesse e analisar o comportamento de redes neurais como classificador. Para extração de características são utilizadas as técnicas Linear Discrimiant Analysis (LDA) e Principal Component Analysis (PCA). Inicialmente, de modo a explicar o problema de reconhecimento de faces, é 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 dissertação. Na seqüência, de modo a analisar detalhadamente as técnicas utilizadas nestes trabalhos, os sistemas de reconhecimento facial são divididos em três etapas, a saber, descrição da face, extração de características e classificação. A seguir, é formado o banco de dados ITA, contendo 400 imagens faciais de pessoas da Divisão de Engenharia Eletrônica do Instituto Tecnológico de Aeronáutica (ITA), e o sistema de aquisição de imagens utilizado na sua construção são apresentados. Este banco de dados ORL (Samaria, 1994) são utilizados nas avaliações de desempenho com o objetivo de testar os métodos e o comportamento destes a variações nas disposições das faces presentes em cada base de dados. Na seqüência, o SRF baseado em LDA (SRF-LDA) é implementado. Os resultados da avaliação dos bancos de dados mostram um desempenho satisfatório. Com o objetivo de comparação, o mesmo procedimento é realizado para o SRF baseado em PCA (SRF-PCA), concluindo-se que melhor desempenho é obtido no SRF-LDA. Em seguida propõe-se um SRF que utiliza uma combinação das técnicas LDA e PCA (SRF+PCA+LDA). Esta combinação utiliza extração de características com descrição da face através de vetores de intensidade de pixel, realiza um mapeamento que otimiza a relação de distâncias interclasse e intraclasse, diminui o número de coeficientes necessários para se representar uma face e melhora o desempenho de processo de reconhecimento. Finalmente, uma vez que rede neural é classicamente utilizada como classificador, propõe-se sua utilização 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.