Reconhecimento facial

Helton Eduardo RitterKerly Selzler

Lucas Gabriel MeninHelmuth Grossmann Jr.

Biometria

Biometria - Um estudo que faz medições sobre os seres vivos;

Atenção científica - apenas no fim do século XIX “características físicas passaram a ser armazenadas para fins judiciais”;

Cédulas de identidade – Brasil, início do século XX;

O “fundamento” disso é..

A biometria é a única maneira de garantir a presença do proprietário durante a operação;

O reconhecimento facial tem pouco impacto cultural;

● Baseaiam-se em algorítmos matemátios;

●Necessidade de testar em uma grande amostra;

O ambiente

O software vai ter que processar JPEG/MJPG/MP4/h264;

Ambiente controlado: fator determinante para o reconhecimento facial. Qualidade da câmera, iluminação do ambiente...

Em biometria sempre temos: FAR: taxa de falsa aceitação FRR: taxa de falsa rejeição

CV

O “reconhecimento” de imagens faz parte de uma área que se chama “Visão computacional” - Computer Vision.

Bom artigo para quem quiser saber mais:http://www.acm.org/crossroads/xrds3-1/vision.html

Mais específico sobre reconhecimento facial:http://www.face-rec.org

Temos então os principais tipos

Reconhecimento em imagem

X

Reconhecimento em vídeo

PCA

Derivado da transformação de Karhunen-Loeve.

PCA – Principal Components Analisys - Tende a encontrar um subespaco t-dimensional entre a base do vetor correspondente para a máxima direção de variância do espaço de imagem original.

Esse novo subespaço é normalmente menor (t<<s). Se os elementos são considerados variáveis randômicas, os vetores do PCA são designados de “eigenvectors” ou “scatter matrix” (algo como matriz de covariância).

ICA

Independent Component Analysis, minimiza a dependência dos dados de entrada entre a segunda e a maior ordem, tenta encontrar uma base nos dados para serem estatísticamente independentes (a covariância não ocorre). Há duas arquiteturas propostas por Bartlett, Movellan e Sejnowski, uma é baseada na bases independente estatísticamente e a segunda é baseada na representação fatorial do código.

LDA

Linear Discriminant Analysis, procura os vetores bases (underlying space) que melhor descrevem a classe. No fim se tem um espaço de busca menor.

EP

Evolotionary Pursuit. Trata-se de uma abordagem baseada no eigenspace que busca as melhores projeções dos eixos para maximizar o retorno da função, avaliando ao mesmo tempo a acurácia e a habilidade de generalização do sistema. Como a dimensão do problema é muito grande, é solucionada usando-se de algoritimos genéticos.

EBGM

Elastic Bunch Graph Matching. Os seres humanos compartilham de uma mesma topologia de estrutura facial. Faces são representadas como gráficos com nós posicionados em pontos fiductiais (fixos, padrões, que possam servir de referência para comparações como o nariz, olhos...) e são guardados a distância desses vetores. Cada nó contém 40 coeficientes em diferentes escalas e orientações.

Trace Transform

É uma generalização de transformações de Radon, é uma ferrameta para processar imagens que pode reconhecer objetos em transformação, rotação, translação e mudança de escala. Para produzir esse resultado um computador traça linhas ao longo da imagem.

3-D Morphable Model

As faces são representadas em um modelo 3-D, porque esse é melhor para problemas de representação de faces, tratando melhor difrentes posições, iluminação. Tudo é “codificado” em formas e texturas.

SVM - Support Vector Machine

Consiste em definir uma série de pontos em um espaço multidimensional e encontrar um hiperplano que separe esses pontos que estejam em classes diferentes.

Se tem habilidade com números veja também:http://en.wikipedia.org/wiki/Support_vector_machine

Aplicações

Garantir a presença;

Ajudar tetraplégicos;

Reconhecimento da idade da pessoa (venda de cigarro);

Reconhecimento de criminosos;

Aplicações

Sites que reconhecem pessoas em fotos;

Câmeras digitais / enquadramento da foto na face / esperar a pessoa piscar;

Logins em sistemas;

Identificação para abrir portas;

Problemas

Iluminação;

Mudanças físicas;

Machucados;

Iluminação / qualidade da imagem

Conclusões

Muitas aplicabilidades

Muitos problemas a resolver

Uso em aplicações não-críticas

Reconhecimento em vídeo

Referências

Lopes, Vinicius Rodrigues. Reconhecimento Facial usando SVM. PUC-RJ Departamento de Informática, 2007.

FARIA, Alessandro de Oliveira. Biometria em Linux existe?. X Fórum Internacional do Software Livre. Porto Alegre, 2009.

http://www.baixaki.com.br/info/2852-comparacao-gerenciadores-de-fotos-com-reconhecimento-facial.htm , 09/11/2009 as 19:58.

GRGIC, Mislav, DELAC, Kresimir. Face Recognization, Algorithms. Disponível em <http://www.face-rec.org/algorithms/>