Este trabalho investiga o problema de reconhecimento de faces utilizando Sistemas de Reconhecimento Facial (SRFs) baseados na extração de características via técnicas de autovetores, objetivando propor combinações dessas técnicas, comparar o desempenho em situações de interesse e analisar o comportamento de redes neurais como classificador. Para extração de características são utilizadas as técnicas Linear Discrimiant Analysis (LDA) e Principal Component Analysis (PCA). Inicialmente, de modo a explicar o problema de reconhecimento de faces, é apresentada uma breve revisão sobra a literatura relativa ao tema, destacando-se os trabalhos Goudail et alii (1996) e Neto (1997) que são fundamentais para as propostas desenvolvidas na presente dissertação. Na seqüência, de modo a analisar detalhadamente as técnicas utilizadas nestes trabalhos, os sistemas de reconhecimento facial são divididos em três etapas, a saber, descrição da face, extração de características e classificação. A seguir, é formado o banco de dados ITA, contendo 400 imagens faciais de pessoas da Divisão de Engenharia Eletrônica do Instituto Tecnológico de Aeronáutica (ITA), e o sistema de aquisição de imagens utilizado na sua construção são apresentados. Este banco de dados ORL (Samaria, 1994) são utilizados nas avaliações de desempenho com o objetivo de testar os métodos e o comportamento destes a variações nas disposições das faces presentes em cada base de dados. Na seqüência, o SRF baseado em LDA (SRF-LDA) é implementado. Os resultados da avaliação dos bancos de dados mostram um desempenho satisfatório. Com o objetivo de comparação, o mesmo procedimento é realizado para o SRF baseado em PCA (SRF-PCA), concluindo-se que melhor desempenho é obtido no SRF-LDA. Em seguida propõe-se um SRF que utiliza uma combinação das técnicas LDA e PCA (SRF+PCA+LDA). Esta combinação utiliza extração de características com descrição da face através de vetores de intensidade de pixel, realiza um mapeamento que otimiza a relação de distâncias interclasse e intraclasse, diminui o número de coeficientes necessários para se representar uma face e melhora o desempenho de processo de reconhecimento. Finalmente, uma vez que rede neural é classicamente utilizada como classificador, propõe-se sua utilização tanto no SRF-PCA, quanto para o SRF-PCA+LDA. O classificador baseado em redes neurais melhora o desempenho do reconhecimento em ambos os casos.
| Identifer | oai:union.ndltd.org:IBICT/oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2577 |
| Date | 00 December 1998 |
| Creators | Valderado Rodrigues Palma |
| Contributors | Elder Moreira Hemerly |
| Publisher | Instituto Tecnológico de Aeronáutica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do ITA, instname:Instituto Tecnológico de Aeronáutica, instacron:ITA |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds