Please use this identifier to cite or link to this item: https://repositorio.fei.edu.br/handle/FEI/416
Title: Extração e comparação de características locais e globais para o reconhecimento automático de imagens de face
Authors: Amaral, Vagner do
Advisor: Amaral, Vagner do
Issue Date: 2011
Abstract: Pesquisas relacionadas ao reconhecimento de faces sempre receberam ênfase devido a sua aplicabilidade e abrangência. Inicialmente, em razão das limitações tecnológicas, os trabalhos desenvolvidos nesta área empregaram técnicas baseadas em características geométricas (locais). No entanto, com o avanço da capacidade computacional e a exploração de métodos estatísticos, a utilização de informações holísticas (globais) se tornou mais popular e fomentou a criação de diversas metodologias. Consequentemente, surgiram estudos com a intenção de comparar o desempenho das técnicas propostas e os resultados preliminares favoreceram a implementação de modelos holísticos. No entanto, trabalhos subsequentes concluíram que ambas as abordagens, locais e globais, são úteis de acordo com o contexto da aplicação. Este trabalho propõe e implementa uma comparação entre as técnicas Local Binary Pattern (LBP) e Principal Components Analisys (PCA) com o propósito de destacar características particulares de cada método no processo de reconhecimento automático de imagens de faces, utilizando apenas um exemplo de treinamento por pessoa. Os resultados demonstram um bom desempenho da técnica LBP em situações específicas, onde a base de treinamento é formada por indivíduos em pose frontal com expressão facial neutra. Contudo, empregando-se uma base de treinamento com poses e expressões faciais heterogêneas, em um teste leave-one-out, o PCA é mais eficiente. Estes resultados enfatizam conclusões prévias sobre a aplicação de abordagens adequadas ao contexto do problema tratado e permitem uma análise acerca das vantagens e desvantagens de cada método quando utiliza-se imagens de faces pré-processadas e normalizadas espacialmente.
Research on face recognition has always received attention due to its intrinsic cognitive scope and applicability. In the beginning, owing to technological limitations, works in this area have used techniques based on geometric (or local) features. However, with the increasing computational power and the exploration of statistical methods, the use of holistic (or global) information has become more popular and stimulated the development of different methodologies. Consequently, new studies have emerged with the intention to comparing the performance of the proposed techniques and the experimental results favoured the implementation of holistic models. However, more recent studies have highlighted that both approaches, local and global, are useful and depend on the application context. This dissertation proposes and implements a comparison between the techniques Local Binary Pattern (LBP) and Principal Components Analysis (PCA), in order to understand and enhance particular characteristics of each popular method in the process of automatic recognition of face images using only one training example per person. Our results have showed a good performance of the LBP technique in specific situations where the training set is composed of individuals in frontal pose with neutral facial expression only. However, using a training set with distinct poses and facial expressions, using a leave-one-out testing protocol, the PCA is more efficient. These results emphasize some previous conclusions available in the literature based on the use of local or global approaches depending on the application, but has also provided a detailed pattern recognition analysis about the advantages and disadvantages of each method when using pre-processed and previously spatially normalized face images.
Keywords: Biometria
Publisher: Centro Universitário da FEI, São Bernardo do Campo
URI: https://repositorio.fei.edu.br/handle/FEI/416
Appears in Collections:Teses e Dissertações

Files in This Item:
File Description SizeFormat 
fulltext.pdf17.58 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.