Detecção de faces humanas em imagens digitais: um algoritmo baseado em lógica nebulosa

• Ano de defesa: 2005
• Autor(a) principal: Nascimento, Andréia Vieira do
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Biometria; Biometry; Detecção de faces; Face detection; Fuzzy logic; Image processing; Lógica "Fuzzy"; Processamento de imagens
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-19052017-150435/

Este trabalho tem como objetivo desenvolver uma metodologia baseada em lógica nebulosa, (KLIR ; YUAN, 1995) para detectar faces humanas em imagens digitais. Considerando que pessoas conseguem reconhecer facilmente as faces humanas, este trabalho prevê a pesquisa da informação relativa a esse reconhecimento utilizando os resultados obtidos, em um esquema \"fuzzy\", para identificação de faces humanas em imagens digitais. É proposto então um algoritmo que classifique automaticamente as regiões de uma imagem em faces humanas ou não. O conhecimento para a construção da base de regras foi obtido através de informações das pessoas por meio de uma pesquisa de campo onde as respostas foram numericamente armazenadas para a geração da classificação nebulosa. Foram gerados desenhos line-draw que de uma maneira global representam as faces humanas. Esses desenhos foram apresentados às pessoas entrevistadas que forneceram subsídios para a montagem das regras \"fuzzy\". O algoritmo foi capaz de a partir daí, identificar faces humanas em imagens digitalizadas. Imagens simples contendo uma face frontal foram submetidas a um algoritmo e ao passarem por processamento (extração de bordas, erosão, binarização, etc...) perderam características, tornando difícil sua identificação. O algoritmo \"fuzzy\" foi capaz de atribuir um grau de pertinência à imagem dentro do conjunto de faces humanas frontais. A lógica nebulosa possui história recente, porém, desde cedo, demonstra sua versatilidade, principalmente por traduzir modelos não lineares ou imprecisos, os quais não apresentam convergência através de modelagem matemática convencional.