Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The identification of a person by their face is one of the most effective non-intrusive
methods in biometrics, however, is also one of the greatest challenges for researchers in the
area, consisting of research in psychophysics, neuroscience, engineering, pattern recognition,
analysis and image processing, computer vision and applied in face recognition by humans
and by machines. The algorithm proposed in this dissertation for face recognition was
developed in three stages. In the first stage feature matrices are derived of faces using the
Two-Dimensional Discrete Cosine Transform (2D-DCT) and Two-Dimensional Principal
Component Analysis (2D-PCA). The training of the Concurrent Self-Organizing Map
(Csoma) is performed in the second stage using the characteristic matrices of the faces. And
finally, the third stage we obtain the feature matrix of the image consulting classifying it using
the CSOM network of the second step. To check the performance of face recognition
algorithm proposed in this paper were tested using three well-known image databases in the
area of image processing: ORL, YaleA and Face94. / A identificação de uma pessoa pela sua face é um dos métodos não-intrusivo mais
efetivo em biometria, no entanto, também é um dos maiores desafios para os pesquisadores na
área; consistindo em pesquisas em psicofísica, neurociência, engenharia, reconhecimento de
padrões, análise e processamento de imagens, e visão computacional aplicada no
reconhecimento de faces pelos seres humanos e pelas máquinas. O algoritmo proposto nesta
dissertação para reconhecimento de faces foi desenvolvido em três etapas. Na primeira etapa
são obtidas as matrizes características das faces utilizando a Two-Dimensional Discrete
Cosine Transform (2D-DCT) e a Two-Dimensional Principal Component Analysis (2D-PCA).
O treinamento da Concurrent Self-Organizing Map (CSOM) é realizado na segunda etapa
usando as matrizes características das faces. E finalmente, na terceira etapa obtém-se a matriz
característica da imagem consulta classificando-a utilizando a rede CSOM da segunda etapa.
Para verificar o desempenho do algoritmo de reconhecimento de faces proposto neste trabalho
foram realizados testes utilizando três bancos de imagens bem conhecidos na área de
processamento de imagens: ORL, YaleA e Face94. / Mestre em Ciências
| Identifer | oai:union.ndltd.org:IBICT/urn:repox.ist.utl.pt:RI_UFU:oai:repositorio.ufu.br:123456789/14430 |
| Date | 14 May 2010 |
| Creators | Guimarães, Thayso Silva |
| Contributors | Flores, Edna Lúcia, Veiga, Antônio Cláudio Paschoarelli, Fleury, Claudio Afonso |
| Publisher | Universidade Federal de Uberlândia, Programa de Pós-graduação em Engenharia Elétrica, UFU, BR, Engenharias |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFU, instname:Universidade Federal de Uberlândia, instacron:UFU |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds