No description available.

No description available.

No description available.

Access to abstract restricted until 05/2016. / Access to thesis restricted until 05/2016. / Department of Psychological Science

No description available.

This thesis examines the role of emotion in face recognition, using measures of the visual scanpath as indicators of recognition. There are two key influences of emotion in face recognition: the emotional expression displayed upon a face, and the emotional feelings evoked within a perceiver in response to a familiar person. An initial set of studies examined these processes in healthy participants. First, positive emotional expressions were found to facilitate the processing of famous faces, and negative expressions facilitated the processing of novel faces. A second set of studies examined the role of emotional feelings in recognition. Positive feelings towards a face were also found to facilitate processing, in both an experimental study using newly learned faces and in the recognition of famous faces. A third set of studies using healthy participants examined the relative influences of emotional expression and emotional feelings in face recognition. For newly learned faces, positive expressions and positive feelings had a similar influence in recognition, with no presiding role of either dimension. However, emotional feelings had an influence over and above that of expression in the recognition of famous faces. A final study examined whether emotional valence could influence covert recognition in developmental prosopagnosia, and results suggested the patients process faces according to emotional valence rather than familiarity per se. Specifically, processing was facilitated for studied-positive faces compared to studied-neutral and novel faces, but impeded for studied-negative faces. This pattern of findings extends existing reports of a positive-facilitation effect in face recognition, and suggests there may be a closer relationship between facial familiarity and emotional valence than previously envisaged. The implications of these findings are discussed in relation to models of normal face recognition and theories of covert recognition in prosopagnosia.

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. / Biometry is the science of measuring and analyzing biomedical data. Many works in this field have explored the characteristics of human beings, such as digital fingerprints, iris, and face to develop biometric systems, employed in various aplications (security monitoring, ubiquitous computation, robotic). Face identification and recognition are very apealing biometric techniques, as it it intuitive and less invasive than others. Many works in this field are only concerned with locating the face of an individual (for counting purposes), while others try to identify people from faces. The objective of this work is to develop a biometric system that could identify and recognize faces. The work can be divided into two major stages: (1) Locate and track in a sequence of images (frames), as well as separating the tracked region from the image; (2) Recognize a face as belonging to a certain individual. In the former, faces are captured from frames of a video camera by a motion analysis system (based on substraction of frames), capable of finding, tracking and croping faces from images of individuals. The later, consists of elements for data reductions (Principal Component Analysis - PCA), feature extraction (Gabor wavelets) and face classification (Euclidean distance and Support Vector Machine - SVM). Two faces databases have been used: FERET and a \"home-made\" one. Tests have been undertaken so as to assess the system\'s recognition capabilities. The experiments have shown that the technique exhibited a satisfactory performance, with success rates of 91.97% and 100% for the FERET and the \"home-made\" databases, respectively.

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. / Biometry is the science of measuring and analyzing biomedical data. Many works in this field have explored the characteristics of human beings, such as digital fingerprints, iris, and face to develop biometric systems, employed in various aplications (security monitoring, ubiquitous computation, robotic). Face identification and recognition are very apealing biometric techniques, as it it intuitive and less invasive than others. Many works in this field are only concerned with locating the face of an individual (for counting purposes), while others try to identify people from faces. The objective of this work is to develop a biometric system that could identify and recognize faces. The work can be divided into two major stages: (1) Locate and track in a sequence of images (frames), as well as separating the tracked region from the image; (2) Recognize a face as belonging to a certain individual. In the former, faces are captured from frames of a video camera by a motion analysis system (based on substraction of frames), capable of finding, tracking and croping faces from images of individuals. The later, consists of elements for data reductions (Principal Component Analysis - PCA), feature extraction (Gabor wavelets) and face classification (Euclidean distance and Support Vector Machine - SVM). Two faces databases have been used: FERET and a \"home-made\" one. Tests have been undertaken so as to assess the system\'s recognition capabilities. The experiments have shown that the technique exhibited a satisfactory performance, with success rates of 91.97% and 100% for the FERET and the \"home-made\" databases, respectively.

Com o propósito de apresentar um padrão cefalométrico específico para os jovens brasileiros melanodermas, este estudo objetivou obter os valores médios de normalidade para algumas das grandezas cefalométricas esqueléticas, no sentido vertical da face, (alturas faciais anterior e posterior) e verificar a presença de dimorfismo entre os gêneros. A amostra constituiu-se de 56 telerradiografias, em norma lateral, sendo 28 do gênero masculino, com idade média de 13,93 anos (idade mínima de 12,08 anos e máxima de 15,75 anos) e 28 do gênero feminino, com idade média de 13,79 anos (idade mínima de 12,58 anos e máxima de 15,67 anos), obtidas de amostras de jovens brasileiros, melanodermas, não submetidos a tratamento ortodôntico e que apresentavam “oclusão normal", pertencentes ao arquivo da Disciplina de Ortodontia da Faculdade de Odontologia de Bauru – Universidade de São Paulo. As medidas cefalométricas empregadas foram de acordo com as Análises de: WYLIE; JOHNSON114 (1952); SIRIWAT; JARABAK100 (1985); GEBECK; MERRIFIELD47, HORN51 (1989,1992). Os valores foram submetidos à análise estatística pelo teste “t" independente para comparar as variáveis entre os gêneros. Pôde-se observar a presença de dimorfismo, com os valores das grandezas AFAT, AFAS, AFPT, AFPS, além das proporções AFPS/AFPT e AFPI/AFPT significantemente alterados. / With the purpose to present a specific cephalometric pattern for Brazilian young black subjects, this study aimed to achieve the mean values of normality for some vertical skeletal cephalometric variables (anterior and posterior facial heights) and to observe the presence of dimorphism between genders. The sample comprised 56 lateral cephalograms, 28 of male subjects with a mean age of 13.93 years (range 12.08 to 15.75 years) and 28 of females, with a mean age of 13.79 years (range 12.58 to 15.67 years), obtained from Brazilian black subjects nontreated orthodontically that presented “normal occlusion", from the records of the Discipline of Orthodontics at Bauru Dental School – University of São Paulo. The cephalometric measurements used followed the analyses of WYLIE; JOHNSON114 (1952); SIRIWAT; JARABAK100 (1985); GEBECK; MERRIFIELD47, HORN51 (1989,1992). The comparison between genders was performed by the independent “t" test. The results showed the presence of dimorphism, with significant differences for the TAFH, UAFH, TPFH and UPFH measurements, besides the ratios UPFH/TPFH and LPFH/TPFH.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2016. / Conforme o sangue flui através do corpo de um indivíduo, ele muda a forma como a luz é irradiada pela pele, pois o sangue absorve luz de forma diferente dos outros tecidos. Essa sutil variação pode ser capturada por uma câmera e ser usada para monitorar a atividade cardíaca de uma pessoa. O sinal capturado pela câmera é uma onda que representa as variações de tonalidade da pele ao longo do tempo. A frequência dessa onda é a mesma frequência na qual o coração bate. Portanto, o sinal capturado pela câmera pode ser usado para estimar a taxa cardíaca de uma pessoa. Medir o pulso cardíaco remotamente traz mais conforto pois evita o uso de eletrodos. Também permite o monitoramento de uma pessoa de forma oculta para ser empregado em um detector de mentira, por exemplo. Neste trabalho nós propomos dois algoritmos para a estimação da taxa cardíaca sem contato usando câmeras convencionais sob iluminação não controlada. O primeiro algoritmo proposto é um método simples que emprega um detector de face que identifica a face da pessoa sendo monitorada e extrai o sinal gerado pelas mudanças no tom da pele devido ao fluxo sanguíneo. Este algoritmo emprega um filtro adaptativo para aumentar a energia do sinal de interesse em relação ao ruído. Nós mostramos que este algoritmo funciona muito bem para vídeos com pouco movimento. O segundo algoritmo que propomos é uma melhora do primeiro para torná-lo mais robusto a movimentos. Nós modificamos o método usado para definir a região de interesse. Neste algoritmo é utilizado um detector de pele para eliminar pixels do plano de fundo do vídeo, os frames dos vídeos são divididos em micro-regiões que são rastreados com um algoritmo de fluxo ótico para compensar os movimentos e um algoritmo de clusterização é aplicado para selecionar automaticamente as melhores micro-regiões para efetuar a estimação da taxa cardíaca. Propomos também um esquema de filtragem temporal e espacial para reduzir o ruído introduzido pelo algoritmo de fluxo ótico. Comparamos os resultados dos nossos algoritmos com um oxímetro de dedo comercial e mostramos que eles funcionam bem para situações desafiadoras. / As the blood flows through the body of an individual, it changes the way that light is irradiated by the skin, because blood absorbs light differently than the remaining tissues. This subtle variation can be captured by a camera and be used to monitor the heart activity of a person. The signal captured by the camera is a wave that represents the changes in skin tone along time. The frequency of this wave is the same as the frequency by which the heart beats. Therefore, the signal captured by the camera could be used to estimate a person’s heart rate. This remote measurement of cardiac pulse provides more comfort as it avoids the use of electrodes or others devices attached to the body. It also allows the monitoring of a person in a canceled way to be employed in lie detectors, for example. In this work we propose two algorithms for non-contact heart rate estimation using conventional cameras under uncontrolled illumination. The first proposed algorithm is a simple approach that uses a face detector to identify the face of the person being monitored and extract the signal generated by the changes in the skin tone due to the blood flow. This algorithm employs an adaptive filter to boost the energy of the interest signal against noise. We show that this algorithm works very well for videos with little movement. The second algorithm we propose is an improvement of the first one to make it more robust to movements. We modify the approach used to define the region of interest. In this algorithm we employ a skin detector to eliminate pixels from the background, divide the frames in microregions that are tracked using an optical flow algorithm to compensate for movements and we apply a clustering algorithm to automatically select the best micro-regions to use for heart rate estimation. We also propose a temporal and spatial filtering scheme to reduce noise introduced by the optical flow algorithm. We compared the results of our algorithms to an off-the-shelf fingertip pulse oximeter and showed that they can work well under challenging situations.