Identificação de faces humanas através de PCA-LDA e redes neurais SOM

• Ano de defesa: 2005
• Autor(a) principal: Santos, Anderson Rodrigo dos
• 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: Análise de componentes principais (PCA); Análise discriminante linear (LDA); Autofaces; Eigenface; Face recognition; Kohonen neural networks; LDA sub-space; Linear discriminant analysis (LDA); PCA neural networks; Principal component analysis (PCA); Reconhecimento de faces; Rede neural de Kohonen; Rede neural PCA adaptativo; Rede neural SOM; SOM neural networks; Subespaço LDA
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/18/18133/tde-21042006-222231/

O uso de dados biométricos da face para verificação automática de identidade é um dos maiores desafios em sistemas de controle de acesso seguro. O processo é extremamente complexo e influenciado por muitos fatores relacionados à forma, posição, iluminação, rotação, translação, disfarce e oclusão de características faciais. Hoje existem muitas técnicas para se reconhecer uma face. Esse trabalho apresenta uma investigação buscando identificar uma face no banco de dados ORL com diferentes grupos de treinamento. É proposto um algoritmo para o reconhecimento de faces baseado na técnica de subespaço LDA (PCA + LDA) utilizando uma rede neural SOM para representar cada classe (face) na etapa de classificação/identificação. Aplicando o método do subespaço LDA busca-se extrair as características mais importantes na identificação das faces previamente conhecidas e presentes no banco de dados, criando um espaço dimensional menor e discriminante com relação ao espaço original. As redes SOM são responsáveis pela memorização das características de cada classe. O algoritmo oferece maior desempenho (taxas de reconhecimento entre 97% e 98%) com relação às adversidades e fontes de erros que prejudicam os métodos de reconhecimento de faces tradicionais.