Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
Texto Completo: | http://repositorio.ufes.br/handle/10/9623 |
Resumo: | This work proposes the usage of a Joint Sparsity Model with Matrix Completion (JSM-MC) for the composition of training set in the context of face recognition using the Sparse Representation-based Classifier (SRC). The proposed work aims to deal with face images in different illumination conditions and occlusions in the test and training set. For occlusions in the test set, an extended version of the algorithm is done to take into account occlusions in the optimization model. A pre-processing step is performed in the face images to reduce the effects of illumination change. A clustering of training images is done to reduce the processing time and a modification in the SRC algorithm is done to explore the sparsity of the sparse representation coefficients. The results are evaluated using a database with different illumination conditions. Artificial occlusions are inserted in the face images to investigate the behavior of the system in those conditions. |
id |
UFES_b6f5ea8e2146ca2ad673cfe8cd737701 |
---|---|
oai_identifier_str |
oai:repositorio.ufes.br:10/9623 |
network_acronym_str |
UFES |
network_name_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
repository_id_str |
2108 |
spelling |
Salles, Evandro Ottoni TeatiniInaba, Fernando KentaroMartins, Allan de MedeirosCôco, Klaus Fabian2018-08-02T00:00:56Z2018-08-012018-08-02T00:00:56Z2012-06-11This work proposes the usage of a Joint Sparsity Model with Matrix Completion (JSM-MC) for the composition of training set in the context of face recognition using the Sparse Representation-based Classifier (SRC). The proposed work aims to deal with face images in different illumination conditions and occlusions in the test and training set. For occlusions in the test set, an extended version of the algorithm is done to take into account occlusions in the optimization model. A pre-processing step is performed in the face images to reduce the effects of illumination change. A clustering of training images is done to reduce the processing time and a modification in the SRC algorithm is done to explore the sparsity of the sparse representation coefficients. The results are evaluated using a database with different illumination conditions. Artificial occlusions are inserted in the face images to investigate the behavior of the system in those conditions.O trabalho desenvolvido nesta dissertação propõe a utilização do modelo de esparsidade conjunta com complemento de matrizes (JSM-MC) para composição da base de treino no contexto de reconhecimento de faces utilizando o classificador baseado em representação esparsa (SRC). O método proposto visa trabalhar com imagens de faces em diferentes condições de iluminação e oclusão na base de teste e treino. Para oclusões nas imagens de teste, um modelo diferenciado é considerado para abordar o problema. Uma etapa de pré-processamento nas imagens de faces é realizada no intuito de reduzir os efeitos das variações de iluminações presentes nas imagens. Um agrupamento das imagens de treino é realizado visando um menor tempo de processamento. Além disso, uma proposta de modificação no algoritmo SRC é feita de forma a explorar a esparsidade dos coeficientes de representação esparsa. Ao final, os resultados são avaliados usando uma base de dados sujeita a variação de iluminação. Oclusões artificiais são inseridas a fim de investigar o desempenho do sistema nessas condições.Texthttp://repositorio.ufes.br/handle/10/9623porUniversidade Federal do Espírito SantoMestrado em Engenharia ElétricaPrograma de Pós-Graduação em Engenharia ElétricaUFESBRCentro TecnológicoRepresentação esparsaModelo de esparsidade conjuntaReconhecimento de padrõesProcessamento de imagensInteligência artificialEngenharia Elétrica621.3Representação esparsa e modelo de esparsidade conjunta no reconhecimento de facesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes)instname:Universidade Federal do Espírito Santo (UFES)instacron:UFESORIGINALtese_4711_DissKentaro.pdfapplication/pdf6208552http://repositorio.ufes.br/bitstreams/dab8c3a9-aae9-495a-9aa8-4b7255def2bf/downloadf5dd47fbef24d1bd09fe36e8a972c67cMD5110/96232024-06-28 16:11:27.417oai:repositorio.ufes.br:10/9623http://repositorio.ufes.brRepositório InstitucionalPUBhttp://repositorio.ufes.br/oai/requestopendoar:21082024-06-28T16:11:27Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES)false |
dc.title.none.fl_str_mv |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
title |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
spellingShingle |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces Inaba, Fernando Kentaro Representação esparsa Modelo de esparsidade conjunta Engenharia Elétrica Reconhecimento de padrões Processamento de imagens Inteligência artificial 621.3 |
title_short |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
title_full |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
title_fullStr |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
title_full_unstemmed |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
title_sort |
Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces |
author |
Inaba, Fernando Kentaro |
author_facet |
Inaba, Fernando Kentaro |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Salles, Evandro Ottoni Teatini |
dc.contributor.author.fl_str_mv |
Inaba, Fernando Kentaro |
dc.contributor.referee1.fl_str_mv |
Martins, Allan de Medeiros |
dc.contributor.referee2.fl_str_mv |
Côco, Klaus Fabian |
contributor_str_mv |
Salles, Evandro Ottoni Teatini Martins, Allan de Medeiros Côco, Klaus Fabian |
dc.subject.por.fl_str_mv |
Representação esparsa Modelo de esparsidade conjunta |
topic |
Representação esparsa Modelo de esparsidade conjunta Engenharia Elétrica Reconhecimento de padrões Processamento de imagens Inteligência artificial 621.3 |
dc.subject.cnpq.fl_str_mv |
Engenharia Elétrica |
dc.subject.br-rjbn.none.fl_str_mv |
Reconhecimento de padrões Processamento de imagens Inteligência artificial |
dc.subject.udc.none.fl_str_mv |
621.3 |
description |
This work proposes the usage of a Joint Sparsity Model with Matrix Completion (JSM-MC) for the composition of training set in the context of face recognition using the Sparse Representation-based Classifier (SRC). The proposed work aims to deal with face images in different illumination conditions and occlusions in the test and training set. For occlusions in the test set, an extended version of the algorithm is done to take into account occlusions in the optimization model. A pre-processing step is performed in the face images to reduce the effects of illumination change. A clustering of training images is done to reduce the processing time and a modification in the SRC algorithm is done to explore the sparsity of the sparse representation coefficients. The results are evaluated using a database with different illumination conditions. Artificial occlusions are inserted in the face images to investigate the behavior of the system in those conditions. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-06-11 |
dc.date.accessioned.fl_str_mv |
2018-08-02T00:00:56Z |
dc.date.available.fl_str_mv |
2018-08-01 2018-08-02T00:00:56Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufes.br/handle/10/9623 |
url |
http://repositorio.ufes.br/handle/10/9623 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
Text |
dc.publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFES |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Centro Tecnológico |
publisher.none.fl_str_mv |
Universidade Federal do Espírito Santo Mestrado em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) instname:Universidade Federal do Espírito Santo (UFES) instacron:UFES |
instname_str |
Universidade Federal do Espírito Santo (UFES) |
instacron_str |
UFES |
institution |
UFES |
reponame_str |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
collection |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) |
bitstream.url.fl_str_mv |
http://repositorio.ufes.br/bitstreams/dab8c3a9-aae9-495a-9aa8-4b7255def2bf/download |
bitstream.checksum.fl_str_mv |
f5dd47fbef24d1bd09fe36e8a972c67c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Espírito Santo (riUfes) - Universidade Federal do Espírito Santo (UFES) |
repository.mail.fl_str_mv |
|
_version_ |
1804309134867169280 |