| |
| Acadêmico(a): Everson Schneider |
| Título: YourFACE: Um protótipo de reconhecimento facial em ambientes indoor sem obstáculo |
| |
| Conclusão: |
Este trabalho apresentou um estudo sobre os algoritmos de detecção e reconhecimento facial aplicados em ambientes indoors. O protótipo desenvolvido foi dividido três módulos: módulo de detecção facial, módulo de treinamento dos algoritmos e módulo de reconhecimento facial. No primeiro módulo foi utilizado o algoritmo de Viola- Jones que possui uma taxa de acerto satisfatória, apresentando leves falsos-positivos com as configurações utilizadas.
Para este trabalho, além de constatar que a resolução mínima para a etapa de detecção pode ser menor que o padrão estipulado em 30x30 pixels, percebeu-se que a taxa de acerto pode variar e por isso, optou-se em utilizar o valor padrão Foi verificado que existem alguns fatores que podem influenciar na detecção da face, como por exemplo, a posição da face, os parâmetros de entrada, a resolução da face, entre outros, mas não foi realizado nenhuma tratativa em relação a estes problemas. No módulo de treinamento e reconhecimento facial foram utilizados três algoritmos e nos resultados obtidos utilizando a base Yale Face, o algoritmo FisherFaceRecognizer apresentou o melhor resultado, alcançando 100% de precisão nos 65 casos. Em seguida, o EigenFaceRecognizer com 73,33% de precisão em 622 casos e por último o LBPHFaceRecognizer com 73,33% em 30 casos. Ao realizar o processamento dos vídeos da câmera IP em 7 resoluções para cada frame do vídeo, os algoritmos tiverem bastante diferença em relação aos resultados obtidos anteriormente. O EigenFaceRecognizer se mostrou ineficiente no primeiro e segundo vídeo, mas no terceiro vídeo teve a maior taxa de acerto entre 3 algoritmos, enquanto o FisherFaceRecognizer possuiu um desempenho baixo em todos os vídeos e por fim, o LBPHFaceRecognizer teve a maior taxa de acerto e uma das maiores médias de acertos. Diante dos resultados obtidos, pode-se concluir que o algoritmo de reconhecimento facial que teve a maior taxa de acerto foi o LBPHFaceRecognizer tendo uma média geral de 65,81% para resolução 21x21 pixels, 58,56% para resolução 32x32 pixels, 48,09% para resolução 64x64 pixels, 49,02% para resolução 128x128 pixels, 46,42% para resolução, 160x120 pixels, 44,69% para resolução 320x240 pixels e 46,29% para resolução 500x380 pixels com uma porcentagem geral aproximada de 51,26% de taxa de acerto. Contudo, sugere-se a utilização desse algoritmo em câmeras localizadas em ambientes indoors. É importante ressaltar que este trabalho não tratou problemas com ruídos e iluminação, que podem aumentar de forma significativa os acertos dos algoritmos propostos. Como extensões, sugere- se a utilização de técnicas de processamento de imagens para melhorar a qualidade das imagens obtidas ou tratamento da luminosidade, foco e pose nas imagens, tanto para a base de faces, quanto para a autenticação. |
| |
|
