Pulblicidade

RedFace: um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces: comparação com diferentes classificadores Fábio Abrantes Diniz1
Francisco Milton Mendes Neto1
Francisco das Chagas Lima Júnior1
Laysa Mabel de O. Fontes1
Resumo: Desenvolver um modelo computacional de reconhecimento facial não é uma tarefa trivial, eis que as faces e os estímulos visuais multidimensionais possuem características de modelagem complexa. A grande dificuldade está na modelagem de uma face que abstraia as características que as diferenciem de outras faces, já que essas apresentam poucas diferenças substanciais entre si. Embora diferentes, todas as faces possuem características como, por exemplo, uma boca, dois olhos e um nariz. No presente trabalho é proposto um sistema de reconhecimento facial desenvolvido em duas fases. Inicialmente foram utilizadas as técnicas de análise de componentes principais (PCA) e Eigenfaces (autofaces) para a extração de características da face. Na segunda fase foram aplicados os classificadores K-Nearest Neighbors
(K-NN), Random Forest (Floresta Aleatória) e K-Star (K-estrela) no processo de reconhecimento da face. A validação dos algoritmos foi realizada numa base de dados contendo 1280 imagens de
64 classes distintas. Finalmente, ficou constatado que o desempenho dos algoritmos testados para sistemas de reconhecimentos de face baseado em PCA foram satisfatórios, atingindo as melhores taxas de reconhecimento, acima de 90% em todos os classificadores. Ao descobrir a melhor técnica, este será aplicado na identicação de alunos que acessam um ambiente virtual de aprendizagem. Palavras-chave: Análise de componentes principais. Autoface. Reconhecimento facial.
Abstract: Developing a computational model for facial recognition is not an easy task, because faces and multi-dimensional visual stimulation have complex modeling features. The difficulty lies in a face modeling which set aside the