Apresentação_-_EAICTI_2015
-
Upload
henrique-pedro-oliveira -
Category
Documents
-
view
212 -
download
0
Transcript of Apresentação_-_EAICTI_2015
-
8/18/2019 Apresentação_-_EAICTI_2015
1/9
Estudo do Algoritmo PCA Aplicado ao Reconhecimento Facial
Henrique Pedro de Oliveira (ICV/UNIOESTE/PRPPG), JosuéPereira de Castro, Adriana Postal (Orientadora), e-mail:
Universidade Estadual do Oeste do Paraná/Centro de CiênciasExatas e da Terra/Cascavel, PR
-
8/18/2019 Apresentação_-_EAICTI_2015
2/9
• Introdução
• Revisão de Literatura
• Reconhecimento Facial• Principal Component Analysis
• Próximos Passos
• Agradecimentos
• Referências
Roteiro
-
8/18/2019 Apresentação_-_EAICTI_2015
3/9
Introdução
• Uso em redes sociais, sistemas de segurança, identificação
criminal e outras aplicações de IHC;
• Os principais desafios dessa linha de pesquisa são (Lai et al ., 2008):
• Pose;
• Iluminação;
•
Expressão;• Ocultação parcial da face;
• e envelhecimento.
• Como objetivo, esse projeto almeja analisar a eficiência do
PCA em relação a algumas dessas condições.
-
8/18/2019 Apresentação_-_EAICTI_2015
4/9
Revisão de Literatura
• Reconhecimento facial (Stan & Anil, 2005)
•
Formas de reconhecimento• Autenticação (1-1);
• Reconhecimento (1-n);
• Composto por quatro etapas:
• Detecção de face;
• Viola-Jones.• Alinhamento;
• Extração de características;
• Comparação.
-
8/18/2019 Apresentação_-_EAICTI_2015
5/9
Revisão de Literatura
• Principal componente Analysis (Shlens, 2005)
•
Ameniza o problema da alta dimensionalidade doconjunto de dados;
• Transformação linear:
• Y = PX
• Matriz de covariância ;
• 1
−1
• A matriz P é definida pelo k auto vetores de ,
ordenado pelo k maiores auto valores;
-
8/18/2019 Apresentação_-_EAICTI_2015
6/9
Revisão de Literatura
• Principal componente Analysis
• Reconstrução do conjunto de dados (Shlens, 2005) :
•
• Reconhecimento (Turk & Pentland 1991):
• Projeta-se a imagem teste q em cada auto-espaço:
•
•Gerar classe de indivíduos:•
1
=1
• A imagem teste q pertence a classe i que gera a
menor distância euclidiana
• 2 2
-
8/18/2019 Apresentação_-_EAICTI_2015
7/9
Próximos Passos
O próximo passo será realizar a implementação do
módulo de um sistema de reconhecimento facial utilizando oalgoritmo PCA e fazer uma análise dos resultados em relação
a diferentes condições apresentadas nas imagens teste.
-
8/18/2019 Apresentação_-_EAICTI_2015
8/9
Agradecimentos
Ao MEC-SESU, pelo financiamento deste projeto de iniciação
científica a partir do Programa de Educação Tutorial (PET).
-
8/18/2019 Apresentação_-_EAICTI_2015
9/9
ReferenciasLai, H.; Ramanathan, V.; Wechsler, H. (2008). Reliable face recognition
using adaptive and robust correlation filters. Computer Vision and Image
Understanding, Volume 111, pp. 329-350.
Stan, Z. L.; Anil, K. J. (2005). Handbook of Face Recognition. New York:
Springer Science+Business Media, Inc.
M. Turk and A. Pentland (1991). Eigenfaces for recognition. Journal of
Cognitive Neuroscience 3 (1): 71 –86.
Shlens, J. (2005). A Tutorial on Principal Component Analysis.http://www.cs.cmu.edu/~elaw/papers/pca.pdf. Acessado em 19/01/2015.