Detecção e reconhecimento facial por meio de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Maia, Hugo Leite Florenço
Data de Publicação: 2016
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: http://bdm.unb.br/handle/10483/15247
Resumo: Monografia (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Redes de Comunicação, 2016.
id UNB-2_16be4d4efbf7eb55146140fe116101d3
oai_identifier_str oai:bdm.unb.br:10483/15247
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Maia, Hugo Leite FlorençoSilva, Daniel Guerreiro eMAIA, Hugo Leite Florenço. Detecção e reconhecimento facial por meio de aprendizado de máquina. 2016. 50 f., il. Monografia (Bacharelado em Engenharia de Redes de Comunicação)—Universidade de Brasília, Brasília, 2016.http://bdm.unb.br/handle/10483/15247Monografia (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Redes de Comunicação, 2016.O objetivo deste trabalho foi desenvolver uma proposta de identificação facial utilizando aprendizado de máquina, por meio de técnicas de extração de características e redes neurais artificiais do tipo Perceptron de Múltiplas Camadas (MLP). A primeira etapa do trabalho tratou do estudo de composição das imagens: e como é possível extrair características faciais para construção de um banco de faces e seus respectivos atributos que serão utilizados para treinamento e teste da rede neural artificial. Buscando atingir este objetivo, o texto define conceitualmente uma rede neural e expõe as definições necessárias para o seu entendimento e aplicação no problema de identificação facial. Foram empregadas técnicas de detecção baseadas na integração dos pixels que compõem a imagem e uso de classificadores em cascata para obtenção da face pesquisada. Em função da grande dimensão dos dados gerados nesta etapa, o que consequentemente tornaria inviável o treinamento da rede MLP, considerou-se também o emprego da redução de dimensionalidade por meio de uma técnica que utiliza a Análise de Componentes Principais (PCA), a qual não trouxe perdas significativas de informação e tornou possíveis os ensaios contemplando treinamento e teste com centenas de faces. Após o ensaio com várias simulações com diversos fatores de compressão, obtivemos a média de acerto do classificador para cada índice de compressão de dados de entrada. Em suma, os índices de acerto obtidos demonstram que a rede adquiriu boa capacidade de generalização no teste com o conhecimento adquirido a partir das faces apresentadas no treinamento. Contudo, a estratégia proposta na detecção de face utilizando redes neurais artificiais apresentou razoáveis resultados, média de 70% de acerto, o que demonstra que possui aplicabilidade em problemas reais.Submitted by Ruthlea Nascimento (ruthlea.nascimento@gmail.com) on 2016-10-10T18:58:21Z No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_HugoLeiteFlorencoMaia.pdf: 1929312 bytes, checksum: deae6200b0c0fee5f5bb5a049c9920f9 (MD5)Approved for entry into archive by Ruthlea Nascimento (ruthlea.nascimento@gmail.com) on 2016-12-08T20:22:37Z (GMT) No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_HugoLeiteFlorencoMaia.pdf: 1929312 bytes, checksum: deae6200b0c0fee5f5bb5a049c9920f9 (MD5)Made available in DSpace on 2016-12-08T20:22:37Z (GMT). No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2016_HugoLeiteFlorencoMaia.pdf: 1929312 bytes, checksum: deae6200b0c0fee5f5bb5a049c9920f9 (MD5)The objective of this study was to develop a proposal for face detection using machine learning, through feature extraction techniques and artificial neural networks – the Multilayer Perceptron (MLP). The first stage of the work dealt with the images composition: how to extract facial features to build a faces dataset along with their attributes, which will be used for training and testing the neural network. In order to achieve this goal, the text conceptually defines artificial neural networks and exposes the necessary settings for understanding and application in facial recognition. Pre-detection techniques were used based on pixels integration of the image and on cascade-based classifiers. Due to the large size of the generated data, which compromises MLP training, we also considered the use of the dimensionality reduction technique known as Principal Component Analysis (PCA), which didn't brought a significant loss of information and made possible the full implementation and analysis of the framework. After performing a series of simulations with different compression factors, we obtained the average hits score according to each input data compression ratio. In short, the accuracy results have shown that the model presented a good ability to generalize the information that was gathered during the training stage. Moreover, the proposed face detection strategy using artificial neural networks presented a 70% average success rate, which indicates an applicability to real problems.Aprendizado do computadorIdentificação facialDetecção e reconhecimento facial por meio de aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2016-12-08T20:22:37Z2016-12-08T20:22:37Z2016-06info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2016_HugoLeiteFlorencoMaia.pdf2016_HugoLeiteFlorencoMaia.pdfapplication/pdf1929312http://bdm.unb.br/xmlui/bitstream/10483/15247/1/2016_HugoLeiteFlorencoMaia.pdfdeae6200b0c0fee5f5bb5a049c9920f9MD51CC-LICENSElicense_urllicense_urltext/plain46http://bdm.unb.br/xmlui/bitstream/10483/15247/2/license_url6f1da3ff281999354d4abd56d1551468MD52license_textlicense_textapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/15247/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/15247/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain1758http://bdm.unb.br/xmlui/bitstream/10483/15247/5/license.txt48fee5d355e169b5219b5efc5a9ad174MD5510483/152472016-12-08 18:22:37.156oai:bdm.unb.br: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 Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712016-12-08T20:22:37Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Detecção e reconhecimento facial por meio de aprendizado de máquina
title Detecção e reconhecimento facial por meio de aprendizado de máquina
spellingShingle Detecção e reconhecimento facial por meio de aprendizado de máquina
Maia, Hugo Leite Florenço
Aprendizado do computador
Identificação facial
title_short Detecção e reconhecimento facial por meio de aprendizado de máquina
title_full Detecção e reconhecimento facial por meio de aprendizado de máquina
title_fullStr Detecção e reconhecimento facial por meio de aprendizado de máquina
title_full_unstemmed Detecção e reconhecimento facial por meio de aprendizado de máquina
title_sort Detecção e reconhecimento facial por meio de aprendizado de máquina
author Maia, Hugo Leite Florenço
author_facet Maia, Hugo Leite Florenço
author_role author
dc.contributor.author.fl_str_mv Maia, Hugo Leite Florenço
dc.contributor.advisor1.fl_str_mv Silva, Daniel Guerreiro e
contributor_str_mv Silva, Daniel Guerreiro e
dc.subject.keyword.pt_BR.fl_str_mv Aprendizado do computador
Identificação facial
topic Aprendizado do computador
Identificação facial
description Monografia (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Redes de Comunicação, 2016.
publishDate 2016
dc.date.submitted.none.fl_str_mv 2016-06
dc.date.accessioned.fl_str_mv 2016-12-08T20:22:37Z
dc.date.available.fl_str_mv 2016-12-08T20:22:37Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MAIA, Hugo Leite Florenço. Detecção e reconhecimento facial por meio de aprendizado de máquina. 2016. 50 f., il. Monografia (Bacharelado em Engenharia de Redes de Comunicação)—Universidade de Brasília, Brasília, 2016.
dc.identifier.uri.fl_str_mv http://bdm.unb.br/handle/10483/15247
identifier_str_mv MAIA, Hugo Leite Florenço. Detecção e reconhecimento facial por meio de aprendizado de máquina. 2016. 50 f., il. Monografia (Bacharelado em Engenharia de Redes de Comunicação)—Universidade de Brasília, Brasília, 2016.
url http://bdm.unb.br/handle/10483/15247
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.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/15247/1/2016_HugoLeiteFlorencoMaia.pdf
http://bdm.unb.br/xmlui/bitstream/10483/15247/2/license_url
http://bdm.unb.br/xmlui/bitstream/10483/15247/3/license_text
http://bdm.unb.br/xmlui/bitstream/10483/15247/4/license_rdf
http://bdm.unb.br/xmlui/bitstream/10483/15247/5/license.txt
bitstream.checksum.fl_str_mv deae6200b0c0fee5f5bb5a049c9920f9
6f1da3ff281999354d4abd56d1551468
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
48fee5d355e169b5219b5efc5a9ad174
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1801493011096403968

Registros relacionados