Submitted by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-07-04T12:23:43Z No. of bitstreams: 1 DIS_THOMAS_DA_SILVA_PAULA_COMPLETO.pdf: 10601063 bytes, checksum: f63f9b6e33e22c4a2553f784a3a029e1 (MD5) / Made available in DSpace on 2017-07-04T12:23:44Z (GMT). No. of bitstreams: 1 DIS_THOMAS_DA_SILVA_PAULA_COMPLETO.pdf: 10601063 bytes, checksum: f63f9b6e33e22c4a2553f784a3a029e1 (MD5) Previous issue date: 2017-03-28 / Reconhecimento facial ? um dos assuntos mais estudos no campo de Vis?o Computacional. Dada uma imagem arbitr?ria ou um frame arbitr?rio, o objetivo do reconhecimento facial ? determinar se existem faces na imagem e, se existirem, obter a localiza??o e a extens?o de cada face encontrada. Tal detec??o ? facilmente feita por seres humanos, por?m continua sendo um desafio em Vis?o Computacional. O alto grau de variabilidade e a dinamicidade da face humana tornam-a dif?cil de detectar, principalmente em ambientes complexos. Recentementemente, abordagens de Aprendizado Profundo come?aram a ser utilizadas em tarefas de Vis?o Computacional com bons resultados. Tais resultados abriram novas possibilidades de pesquisa em diferentes aplica??es, incluindo Reconhecimento Facial. Embora abordagens de Aprendizado Profundo tenham sido aplicadas com sucesso para tal tarefa, a maior parte das implementa??es estado da arte utilizam detectores faciais off-the-shelf e n?o avaliam as diferen?as entre eles. Em outros casos, os detectores faciais s?o treinados para m?ltiplas tarefas, como detec??o de pontos fiduciais, detec??o de idade, entre outros. Portanto, n?s temos tr?s principais objetivos. Primeiramente, n?s resumimos e explicamos alguns avan?os do Aprendizado Profundo, detalhando como cada arquitetura e implementa??o funcionam. Depois, focamos no problema de detec??o facial em si, realizando uma rigorosa an?lise de alguns dos detectores existentes assim como algumas implementa??es nossas. N?s experimentamos e avaliamos varia??es de alguns hiper-par?metros para cada um dos detectores e seu impacto em diferentes bases de dados. N?s exploramos tanto implementa??es tradicionais quanto mais recentes, al?m de implementarmos nosso pr?prio detector facial. Por fim, n?s implementamos, testamos e comparamos uma abordagem de meta-aprendizado para detec??o facial, que visa aprender qual o melhor detector facial para uma determinada imagem. Nossos experimentos contribuem para o entendimento do papel do Aprendizado Profundo em detec??o facial, assim como os detalhes relacionados a mudan?a de hiper-par?metros dos detectores faciais e seu impacto no resultado da detec??o facial. N?s tamb?m mostramos o qu?o bem features obtidas com redes neurais profundas ? treinadas em bases de dados de prop?sito geral ? combinadas com uma abordagem de meta-aprendizado, se aplicam a detec??o facial. Nossos experimentos e conclus?es mostram que o aprendizado profundo possui de fato um papel not?vel em detec??o facial. / Face Detection is one of the most studied subjects in the Computer Vision field. Given an arbitrary image or video frame, the goal of face detection is to determine whether there are any faces in the image and, if present, return the image location and the extent of each face. Such a detection is easily done by humans, but it is still a challenge within Computer Vision. The high degree of variability and the dynamicity of the human face makes it an object very difficult to detect, mainly in complex environments. Recently, Deep Learning approaches started to be applied for Computer Vision tasks with great results. They opened new research possibilities in different applications, including Face Detection. Even though Deep Learning has been successfully applied for such a task, most of the state-of-the-art implementations make use of off-the-shelf face detectors and do not evaluate differences among them. In other cases, the face detectors are trained in a multitask manner that includes face landmark detection, age detection, and so on. Hence, our goal is threefold. First, we summarize and explain many advances of deep learning, detailing how each different architecture and implementation work. Second, we focus on the face detection problem itself, performing a rigorous analysis of some of the existing face detectors as well as implementations of our own. We experiment and evaluate variations of hyper-parameters for each of the detectors and their impact in different datasets. We explore both traditional and more recent approaches, as well as implementing our own face detectors. Finally, we implement, test, and compare a meta learning approach for face detection, which aims to learn the best face detector for a given image. Our experiments contribute in understanding the role of deep learning in face detection as well as the subtleties of changing hyper-parameters of the face detectors and their impact in face detection. We also show how well features obtained with deep neural networks trained on a general-purpose dataset perform on a meta learning approach for face detection. Our experiments and conclusions show that deep learning has indeed a notable role in face detection.

Condições distintas de iluminação numa imagem podem produzir representações desiguais do mesmo objeto, dificultando o processo de segmentação e reconhecimento de padrões, incluindo o reconhecimento facial. Devido a isso, a distribuição de iluminação numa imagem é considerada de grande importância, e novos algoritmos de normalização utilizando técnicas mais recentes ainda vêm sendo pesquisados. O objetivo dessa pesquisa foi o de avaliar os seguintes algoritmos de normalização da iluminação encontrados na literatura, que obtiveram bons resultado no reconhecimento de faces: LogAbout, variação do filtro homomórfico e método baseado em wavelets. O objetivo foi o de identificar o método de normalização da iluminação que resulta na melhor taxa de reconhecimento facial. Os algoritmos de reconhecimento utilizados foram: auto-faces, PCA (Principal Component Analyses) com rede neural LVQ (Learning Vector Quantization) e wavelets com rede neural MLP (Multilayer Perceptron). Como entrada, foram utilizadas imagens do banco Yale, que foram divididas em três subconjuntos. Os resultados mostraram que o método de normalização da iluminação que utiliza wavelet e LogAbout foram os que apresentaram melhoria significativa no reconhecimento facial. Os resultados também evidenciaram que, de uma maneira geral, com a utilização dos métodos de normalização da iluminação, obtém-se uma melhor taxa do reconhecimento facial, exceto para o método de normalização variação do filtro homomórfico com os algoritmos de reconhecimento facial auto-faces e wavelet com rede neural MLP. / Distinct lighting conditions in an image can produce unequal representations of the same object, compromising segmentation and pattern recognition processes, including facial recognition. Hence, the lighting distribution on an image is considered of great importance, and normalization algorithms using new techniques have still been researched. This research aims to evaluate the following illumination normalization algorithms found in literature: LogAbout, variation of homomorphic filter and wavelet based method. The main interest was to find out the illumination normalization method which improves the facial recognition rate. The algorithms used for face recognition were: eigenfaces, PCA (Principal Component Analysis) with LVQ neural network and wavelets with MLP (Multilayer Perceptron) neural network. Images from Yale Face Database B, divided into three subsets have been used. The results show that the wavelet and LogAbout technique provided the best facial recognition rate. Experiments showed that the illumination normalization methods, in general, improve the facial recognition rate, except for the variation of homomorphic filter technique with the algorithms: eigenfaces and PCA with LVQ.

Condições distintas de iluminação numa imagem podem produzir representações desiguais do mesmo objeto, dificultando o processo de segmentação e reconhecimento de padrões, incluindo o reconhecimento facial. Devido a isso, a distribuição de iluminação numa imagem é considerada de grande importância, e novos algoritmos de normalização utilizando técnicas mais recentes ainda vêm sendo pesquisados. O objetivo dessa pesquisa foi o de avaliar os seguintes algoritmos de normalização da iluminação encontrados na literatura, que obtiveram bons resultado no reconhecimento de faces: LogAbout, variação do filtro homomórfico e método baseado em wavelets. O objetivo foi o de identificar o método de normalização da iluminação que resulta na melhor taxa de reconhecimento facial. Os algoritmos de reconhecimento utilizados foram: auto-faces, PCA (Principal Component Analyses) com rede neural LVQ (Learning Vector Quantization) e wavelets com rede neural MLP (Multilayer Perceptron). Como entrada, foram utilizadas imagens do banco Yale, que foram divididas em três subconjuntos. Os resultados mostraram que o método de normalização da iluminação que utiliza wavelet e LogAbout foram os que apresentaram melhoria significativa no reconhecimento facial. Os resultados também evidenciaram que, de uma maneira geral, com a utilização dos métodos de normalização da iluminação, obtém-se uma melhor taxa do reconhecimento facial, exceto para o método de normalização variação do filtro homomórfico com os algoritmos de reconhecimento facial auto-faces e wavelet com rede neural MLP. / Distinct lighting conditions in an image can produce unequal representations of the same object, compromising segmentation and pattern recognition processes, including facial recognition. Hence, the lighting distribution on an image is considered of great importance, and normalization algorithms using new techniques have still been researched. This research aims to evaluate the following illumination normalization algorithms found in literature: LogAbout, variation of homomorphic filter and wavelet based method. The main interest was to find out the illumination normalization method which improves the facial recognition rate. The algorithms used for face recognition were: eigenfaces, PCA (Principal Component Analysis) with LVQ neural network and wavelets with MLP (Multilayer Perceptron) neural network. Images from Yale Face Database B, divided into three subsets have been used. The results show that the wavelet and LogAbout technique provided the best facial recognition rate. Experiments showed that the illumination normalization methods, in general, improve the facial recognition rate, except for the variation of homomorphic filter technique with the algorithms: eigenfaces and PCA with LVQ.

Submitted by EDUARDO MACHADO SILVA (eduardodz@outlook.com) on 2018-06-02T22:50:24Z No. of bitstreams: 1 Eduardo_Final.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) / Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2018-06-04T16:05:04Z (GMT) No. of bitstreams: 1 silva_em_me_sjrp.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) / Made available in DSpace on 2018-06-04T16:05:04Z (GMT). No. of bitstreams: 1 silva_em_me_sjrp.pdf: 7020230 bytes, checksum: 17f5f419806417111d44cacbf46f3f0d (MD5) Previous issue date: 2018-04-06 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O Reconhecimento facial é uma das tecnologias biométricas mais utilizadas em sistemas automatizados que necessitam garantir a identidade de uma pessoa para acesso autorizado e monitoramento. A grande aceitação do uso da face tem várias vantagens sobre outras tecnologias biométricas: ela é natural, não exige equipamentos sofisticados, a aquisição de dados é baseada em abordagens não invasivas, e pode ser feito a distância, de maneira cooperativa ou não. Embora muitos estudos em reconhecimento facial tenham sido feitos, problemas com variação de iluminação, poses com oclusão facial, expressão facial e envelhecimento ainda são desafios, pois influenciam a performance dos sistemas de reconhecimento facial e motivam o desenvolvimento de novos sistemas de reconhecimento que lidam com esses problemas e sejam mais confiáveis. Este trabalho tem como objetivo avaliar a técnica de Padrões Localmente Mapeados em Multiescala (MSLMP) para o reconhecimento facial. Técnicas baseadas em algoritmos genéticos e processamento de imagens foram usadas para obter melhores resultados. Os resultados obtidos chegam a 100% de acurácia para alguns banco de dados. A base de dados MUCT ´e, em particular, bastante complexa, ela foi criada em 2010 com o objetivo de aumentar a quantidade de bancos de dados disponíveis com alta variação de iluminação, idade, posições e etnias, e por isso, ´e um banco de dados difícil quanto ao reconhecimento automático de faces. Uma nova técnica de processamento baseada na média dos níveis de cinza da base foi desenvolvida. / Facial recognition is one of the most used biometric technologies in automated systems which ensure a person’s identity for authorized access and monitoring. The acceptance of face use has several advantages over other biometric technologies: it is natural, it does not require sophisticated equipment, data acquisition is based on non-invasive approaches, and can it be done remotely, cooperatively or not. Although many facial recognition studies have been done, problems with light variation, facial occlusion, position, expression, and aging are still challenges, because they influence the performance of facial recognition systems and motivate the development of more reliable recognition systems that deal with these problems. This work aim to evaluate the Multi-scale Local Mapped Pattern (MSLMP) technique for the facial recognition. Techniques based on genetic algorithms and image processing were applied to increase the performance of the method. The obtained results reach up to 100% of accuracy for some databases. A very difficult database to deal is the MUCT database which was created in 2010 with aim of providing images with high variation of lighting, age, positions and ethnicities in the facial biometry literature, which makes it a highly difficult base in relation to automated recognition. A new processing technique was developed based on the average gray levels of the images of the database.

[pt] A identificação facial em vídeo é uma aplicação de grande interesse na comunidade cientifica e na indústria de segurança, impulsionando a busca por técnicas mais robustas e eficientes. Atualmente, no âmbito de reconhecimento facial, as técnicas de identificação frontal são as com melhor taxa de acerto quando comparadas com outras técnicas não frontais. Esse trabalho tem como objetivo principal buscar métodos de avaliar imagens em vídeo em busca de pessoas (rostos), avaliando se a qualidade da imagem está dentro de uma faixa aceitável que permita um algoritmo de reconhecimento facial frontal identificar os indivíduos. Propõem-se maneiras de diminuir a carga de processamento para permitir a avaliação do máximo número de indivíduos numa imagem sem afetar o desempenho em tempo real. Isso é feito através de uma análise da maior parte das técnicas utilizadas nos últimos anos e do estado da arte, compilando toda a informação para ser aplicada em um projeto que utiliza os pontos fortes de cada uma e compense suas deficiências. O resultado é uma plataforma multithread. Para avaliação do desempenho foram realizados testes de carga computacional com o uso de um vídeo público disponibilizado na AVSS (Advanced Video and Signal based Surveillance). Os resultados mostram que a arquitetura promove um melhor uso dos recursos computacionais, permitindo um uso de uma gama maior de algoritmos em cada segmento que compõe a arquitetura, podendo ser selecionados segundo critérios de qualidade da imagem e ambiente onde o vídeo é capturado. / [en] Face recognition in video is an application of great interest in the scientific community and in the surveillance industry, boosting the search for efficient and robust techniques. Nowadays, in the facial recognition field, the frontal identification techniques are those with the best hit ratio when compared with others non-frontal techniques. This work has as main objective seek for methods to evaluate images in video to look for people (faces), assessing if the image quality is in an acceptable range that allows a facial recognition algorithm to identify the individuals. It s proposed ways to decrease the processing load to allow a maximum number of individuals assessed in an image without affecting the real time performance. This is reached through analysis of most the techniques used in the last years and the state-of-the-art, compiling all information to be applied in a project that uses the strengths of each one and offset its shortcomings. The outcome is a multithread platform. Performance evaluation was performed through computational load tests by using public videos available in AVSS ( Advanced Video and Signal based Surveillance). The outcomes show that the architecture makes a better use of the computational resources, allowing use of a wide range of algorithms in every segment of the architecture that can be selected according to quality image and video environment criteria.

[pt] As vulnerabilidades dos Sistemas de Reconhecimento Facial (FRS) aos Ataques de Apresentação (PA) foram recentemente reconhecidas pela comunidade biométrica, mas ainda existe a falta de técnicas faciais de Detecção de Ataque de Apresentação (PAD) baseadas em software que apresentam desempenho robusto em cenários de autenticação realistas. O objetivo principal desta dissertação é analisar, avaliar e comparar alguns dos métodos baseados em atributos do estado-da-arte para PAD facial em uma variedade de condições, considerando três dos bancos de dados de fraude facial publicamente disponíveis 3DMAD, REPLAY-MOBILE e OULU-NPU. No presente trabalho, os métodos de PAD baseados em descritores de texturas LBP-RGB, BSIF-RGB e IQM foram investigados. Ademais, um Autoencoder Convolucional (CAE), um descritor de atributos aprendidos, também foi implementado e avaliado. Também, abordagens de classificação de uma e duas classes foram implementadas e avaliadas. Os experimentos realizados neste trabalho foram concebidos para medir o desempenho de diferentes esquemas de PAD em duas condições: (i) intra-banco de dados e (ii) inter-banco de dados. Os resultados revelaram que a eficácia dos atributos aprendidos pelo CAE em esquemas de PAD baseados na abordagem de classificação de duas classes fornece, em geral, o melhor desempenho em protocolos de avaliação intra-banco de dados. Os resultados também indicam que os esquemas de PAD baseados na abordagem de classificação de uma classe não são inferiores em comparação às suas contrapartes de duas classes nas avaliações inter-banco de dados. / [en] The vulnerabilities of Face Recognition Systems (FRS) to Presentation Attacks (PA) have been recently recognized by the biometric community, but there is still a lack of generalized software-based facial Presentation Attack Detection (PAD) techniques that perform robustly in realistic authentication scenarios. The main objective of this dissertation is to analyze, evaluate and compare some of the most relevant, state-of-the-art feature-based methods for facial PAD in a variety of conditions, considering three of the facial spoofing databases publicly available 3DMAD, REPLAYMOBILE and OULU-NPU. In the current work, PAD methods based on LBP-RGB, BSIF-RGB and IQM hand-crafted texture descriptors were investigated. Additionally, a Convolutional Autoencoder (CAE), a learned feature descriptor, was also implemented and evaluated. Furthermore, oneclass and two-class classification approaches were implemented and evaluated. The experiments conducted in this work were designed to measure the performance of different PAD schemes in two conditions, namely: (i) intradatabase and (ii) inter-database (or cross-database). The results revealed the effectiveness of the features learned by CAE in two-class classification PAD schemes provide, in general, the best performance in intra-database evaluation protocols. The results also indicate that PAD schemes based on one-class classification approach are not inferior as compared to their twoclass counterpart in the inter-database evaluations.

Made available in DSpace on 2016-08-29T15:33:24Z (GMT). No. of bitstreams: 1 tese_9629_dissertacao(1)20160411-102533.pdf: 9277551 bytes, checksum: c18df10308db5314d25f9eb1543445b3 (MD5) Previous issue date: 2016-03-03 / CAPES / O reconhecimento de expressões faciais tem sido uma área de pesquisa ativa nos últimos dez anos, com uma área de aplicação em crescimento como animação de personagens e neuro-marketing. O reconhecimento de uma expressão facial não é um problema fácil para métodos de aprendizagem de máquina, dado que pessoas diferentes podem variar na forma com que mostram suas expressões. Até uma imagem da mesma pessoa em uma expressão pode variar em brilho, cor de fundo e posição. Portanto, reconhecer expressões faciais ainda é um problema desafiador em visão computacional. Para resolver esses problemas, nesse trabalho, nós propomos um sistema de reconhecimento de expressões faciais que usa redes neurais de convolução. Geração sintética de dados e diferentes operações de pré-processamento foram estudadas em conjunto com várias arquiteturas de redes neurais de convolução. A geração sintética de dados e as etapas de pré-processamento foram usadas para ajudar a rede na seleção de características. Experimentos foram executados em três bancos de dados largamente utilizados (CohnKanade, JAFFE, e BU3DFE) e foram feitas validações entre bancos de dados(i.e., treinar em um banco de dados e testar em outro). A abordagem proposta mostrou ser muito efetiva, melhorando os resultados do estado-da-arte na literatura. / Facial expression recognition has been an active research area in the past ten years, with growing application areas such avatar animation, neuromarketing and sociable robots. The recognition of facial expressions is not an easy problem for machine learning methods, since people can vary signi cantly in the way that they show their expressions. Even images of the same person in one expression can vary in brightness, background and position. Hence, facial expression recognition is still a challenging problem. To address these problems, in this work we propose a facial expression recognition system that uses Convolutional Neural Networks. Data augmentation and di erent preprocessing steps were studied together with various Convolutional Neural Networks architectures. The data augmentation and pre-processing steps were used to help the network on the feature selection. Experiments were carried out with three largely used databases (Cohn-Kanade, JAFFE, and BU3DFE) and cross-database validations (i.e. training in one database and test in another) were also performed. The proposed approach has shown to be very e ective, improving the state-of-the-art results in the literature and allowing real time facial expression recognition with standard PC computers.

Made available in DSpace on 2015-05-14T12:36:31Z (GMT). No. of bitstreams: 1 parte1.pdf: 2637857 bytes, checksum: 9c7d375174ead2b03a7b858b1d087f4d (MD5) Previous issue date: 2009-08-13 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The increased demand for Distance Education and Virtual Learning Environment (VLE) appearance and development are in a scenario where minimizing distances and boosting tracking of students are aspired. However, current VLE don t have the necessary resources to identify the users in the development of their activities. This dissertation presents an online face identification system for use in VLE that has client-server architecture and combines stages of face recognition processing to modules of a mechanism monitor remote users via a webcam. To accomplish the face recognition was used a approach to select coefficients of Discrete Cosine Transform (DCT), which it obtained 97.12% rate of correct answers in a database of images collected without normalization of faces. This work describes, in addition to architectural design, a prototype implemented and presents results obtained and illustrates its operation in an example implementation. Finally, there are a discuss the results and future prospects for the system. / O aumento da demanda pela modalidade de Educação a Distância e o surgimento e aperfeiçoamento dos Ambientes Virtuais de Aprendizagem (AVA) apresentam-se num cenário em que se pretende minimizar distâncias e dinamizar estratégias de monitoramento dos alunos. No entanto, os AVA atuais não dispõem de recursos que identifiquem os usuários durante o desenvolvimento das suas atividades. Esta dissertação apresenta um Sistema de Identificação Automática de Faces (SIAF-EAD) para uso em AVA que possui uma arquitetura cliente-servidor e combina estágios de processamento de reconhecimento facial com módulos de um mecanismo que monitora usuários remotos através de uma webcam. Para realizar o reconhecimento facial foi utilizada uma abordagem de seleção de coeficientes da Transformada Discreta do Cosseno (DCT - Discrete Cosine Transform) que obteve 97,12% de taxa de acertos em um banco de imagens coletadas sem normalização das faces. Este trabalho descreve, além do projeto arquitetural, um protótipo implementado e apresenta resultados obtidos e ilustra seu funcionamento em um exemplo de execução. Por fim, são discutidos os resultados obtidos e perspectivas futuras para o sistema.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-05-05T13:56:17Z No. of bitstreams: 2 Dissertação - Cleiton Paiva Aquino - 2017.pdf: 1798785 bytes, checksum: 24ba3dcb878f81a76626a573db9c0a44 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-05-05T13:56:38Z (GMT) No. of bitstreams: 2 Dissertação - Cleiton Paiva Aquino - 2017.pdf: 1798785 bytes, checksum: 24ba3dcb878f81a76626a573db9c0a44 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-05-05T13:56:38Z (GMT). No. of bitstreams: 2 Dissertação - Cleiton Paiva Aquino - 2017.pdf: 1798785 bytes, checksum: 24ba3dcb878f81a76626a573db9c0a44 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-03-04 / Facial aging is known as a complex process that varies the shape and texture of thefacial area. Variations in shape include variation in craniofacial structure, while texture variation includes skin coloration, appearance of facial lines and wrinkles. Shape and texture are both considered the most common forms of facial aging patterns. Fiducial points are control points on an object that define characteristic regions with properties of interest to the application. Thus, the objective of this work is to evaluate the behavior offacial fiducial points during human aging. An evaluation was performed in a statistical manner and through classification, through the characteristics vectors obtained throughfacial fiducial points. For the accomplishment of this work, we had a social motivation,that is the aid in the search for missing persons, and another one of technical character,that is the perfection of facial recognition systems. Among the results we can highlight the behavior of increase, reduction and stabilization among some fiducial points. With regard to classification, we obtained a result of 84.29 % of correct answers when we compared the class with people under 20 years old and the class with people between 20 and 39 years old from the black men’s groups / O envelhecimento facial é conhecido como um complexo processo que varia a forma ea textura da área facial. Variações na forma incluem variação na estrutura craniofacial, enquanto a variação na textura inclui coloração da pele, aparecimento de linhas faciais e rugas. A forma e a textura são ambas consideradas as formas mais comuns de padrões de envelhecimento facial. Já os pontos fiduciais são pontos de controle sobre um objeto que definem regiões características com propriedades de interesse à aplicação. Assim, o objetivo deste trabalho é avaliar o comportamento dos pontos fiduciais faciais durante o envelhecimento humano. Foi realizada uma avaliação de forma estatística e por meio de classificação, através dos vetores de características obtidos através dos pontos fiduciaisfaciais. Para a realização deste trabalho, tivemos uma motivação de cunho social, queé o auxílio na busca por pessoas desaparecidas, e outra de cunho técnico, que é o aperfeiçoamento de sistemas de reconhecimento facial. Dentre os resultados podemos salientar o comportamento de aumento, redução e estabilização entre alguns pontos fiduciais. No tocante a classificação chegamos a obter um resultado de 84,29% de acertos quando comparamos a classe com pessoas menores de 20 anos e a classe com pessoas entre 20 e 39 anos do grupos de homens negros.

Made available in DSpace on 2016-03-15T19:40:33Z (GMT). No. of bitstreams: 1 Luciana Cristina Lourencao.pdf: 752707 bytes, checksum: 1b88457ea10e0157d6392d2f5ecea036 (MD5) Previous issue date: 2008-08-14 / Pervasive Developmental Disorders (PDD) refer to a group of persistent and long-lasting behavioral disturbances characterized by qualitative implications on communication and social interaction, restrictive patterns of interests and stereotyped behaviors. Evidences have pointed to an atypical style of visual processing in autism, which is a condition belonging to PDD. This research was carried out in order to verify the familial and not familial face processing in children with Asperger syndrome (AS) or with Not Specified PDD (PDD-NOS) and to compare it with the same processing in control-children. Pictures of holistic faces (whole face and profile) and of parts of the face (eyes, nose and mouth) were presented to the children in a computer screen. The case-group refers to seven children with AS or PDD-NOS, and the control-group included other seven children with typical development. Children were 6-12 year old. All children had minimal IQ = 70 (WISC). Diagnoses of AS and PDD-NOS was established by the application of the Autism Screening Questionnaire (ASQ) and the Screening Questionnaire for Asperger Syndrome (ASSQ). Significant differences (p = 0,018) were observed inside the case-group when compared the success frequencies of familial (100%) and not familial (42%) faces. There were no significant differences between case and control groups in relation with success frequencies and time spent for familial whole faces processing. It is supposed that individuals with AS or PDD-NOS are able to develop an holistic style for processing very close familial whole faces. / Os Transtornos Invasivos do Desenvolvimento (TID) constituem um grupo de desordens do comportamento duradouras e persistentes que se caracterizam por comprometimento qualitativo da comunicação e da interação social, padrões restritos de interesses e presença de comportamentos estereotipados e maneirismos. Evidências crescentes mostram um estilo de processamento visual atípico no autismo, que faz parte desse grupo de desordens. O objetivo deste estudo foi verificar o reconhecimento de faces familiares e não familiares em indivíduos com síndrome de Asperger (SA) e com TID Sem Outra Especificação (TID-SOE) e compará-lo com o de um grupo-controle. Para tanto, utilizaram-se figuras de faces familiares holísticas (face inteira e perfil) ou de partes da face (olho, nariz e boca). Participaram da pesquisa 14 crianças do sexo masculino com idades variando de 6 a 12 anos. As sete crianças com SA e TID-SOE formaram o grupo-caso, e outras sete com desenvolvimento típico, o grupo-controle. Foi estabelecido como critério de inclusão QI mínimo de 70, avaliado pelo WISC em toda a amostra. As crianças do grupo-caso foram avaliadas com a aplicação do Autism Screening Questionnaire (ASQ) e do Screening Questionnaire for Asperger Syndrome (ASSQ). Considerando o grupo-caso, encontrou-se diferença significativa (p = 0,018) nos acertos quando comparadas figuras de faces familiares (100%) e não familiares (42%). Não foram observadas diferenças entre os grupos em relação ao número de acertos e ao tempo necessário para o reconhecimento da prancha familiar de face inteira. Supõe-se que os indivíduos com SA e TID-SOE conseguem desenvolver uma forma holística de processamento mediante uma face inteira familiar muito íntima.