Técnicas de processamento de imagens para localização e reconhecimento de faces

• Ano de defesa: 2006
• Autor(a) principal: Almeida, Osvaldo Cesar Pinheiro de
• 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: Face recognition; Face tracking; Gabor wavelet; Rastreamento de face; Reconhecimento de face; SVM; Wavelet de Gabor
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012007-160023/

A biometria é a ciência que estuda a mensuração dos seres vivos. Muitos trabalhos exploram as características dos seres humanos tais como, impressão digital, íris e face, a fim de desenvolver sistemas biométricos, utilizados em diversas aplicações (monitoramento de segurança, computação ubíqua, robótica). O reconhecimento de faces é uma das técnicas biométricas mais investigadas, por ser bastante intuitiva e menos invasiva que as demais. Alguns trabalhos envolvendo essa técnica se preocupam apenas em localizar a face de um indivíduo (fazer a contagem de pessoas), enquanto outros tentam identificá-lo a partir de uma imagem. Este trabalho propõe uma abordagem capaz de identificar faces a partir de quadros de vídeo e, posteriormente, reconhecê-las por meio de técnicas de análise de imagens. Pode-se dividir o trabalho em dois módulos principais: (1) - Localização e rastreamento de faces em uma seqüência de imagens ( frames), além de separar a região rastreada da imagem; (2) - Reconhecimento de faces, identificando a qual pessoa pertence. Para a primeira etapa foi implementado um sistema de análise de movimento (baseado em subtração de quadros) que possibilitou localizar, rastrear e captar imagens da face de um indivíduo usando uma câmera de vídeo. Para a segunda etapa foram implementados os módulos de redução de informações (técnica Principal Component Analysis - PCA), de extração de características (transformada wavelet de Gabor), e o de classificação e identificação de face (distância Euclidiana e Support Vector Machine - SVM). Utilizando-se duas bases de dados de faces (FERET e uma própria - Própria), foram realizados testes para avaliar o sistema de reconhecimento implementado. Os resultados encontrados foram satisfatórios, atingindo 91,92% e 100,00% de taxa de acertos para as bases FERET e Própria, respectivamente.