Detecção e reconhecimento facial por meio de aprendizado de máquina
Autor(a) principal: | |
---|---|
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:10483/15247w4kgbmVjZXNzw6FyaW8gY29uY29yZGFyIGNvbSBhIGxpY2Vuw6dhIGRlIGRpc3RyaWJ1acOnw6NvIG7Do28tZXhjbHVzaXZhLAphbnRlcyBxdWUgbyBkb2N1bWVudG8gcG9zc2EgYXBhcmVjZXIgbm8gUmVwb3NpdMOzcmlvLiBQb3IgZmF2b3IsIGxlaWEgYQpsaWNlbsOnYSBhdGVudGFtZW50ZS4gQ2FzbyBuZWNlc3NpdGUgZGUgYWxndW0gZXNjbGFyZWNpbWVudG8gZW50cmUgZW0KY29udGF0byBhdHJhdsOpcyBkZTogYmRtQGJjZS51bmIuYnIgb3UgMzEwNy0yNjg3LgoKTElDRU7Dh0EgREUgRElTVFJJQlVJw4fDg08gTsODTy1FWENMVVNJVkEKCkFvIGFzc2luYXIgZSBlbnRyZWdhciBlc3RhIGxpY2Vuw6dhLCBvL2EgU3IuL1NyYS4gKGF1dG9yIG91IGRldGVudG9yIGRvcwpkaXJlaXRvcyBkZSBhdXRvcik6CgphKSBDb25jZWRlIMOgIFVuaXZlcnNpZGFkZSBkZSBCcmFzw61saWEgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlCnJlcHJvZHV6aXIsIGNvbnZlcnRlciAoY29tbyBkZWZpbmlkbyBhYmFpeG8pLCBjb211bmljYXIgZS9vdQpkaXN0cmlidWlyIG8gZG9jdW1lbnRvIGVudHJlZ3VlIChpbmNsdWluZG8gbyByZXN1bW8vYWJzdHJhY3QpIGVtCmZvcm1hdG8gZGlnaXRhbCBvdSBpbXByZXNzbyBlIGVtIHF1YWxxdWVyIG1laW8uCgpiKSBEZWNsYXJhIHF1ZSBvIGRvY3VtZW50byBlbnRyZWd1ZSDDqSBzZXUgdHJhYmFsaG8gb3JpZ2luYWwsIGUgcXVlCmRldMOpbSBvIGRpcmVpdG8gZGUgY29uY2VkZXIgb3MgZGlyZWl0b3MgY29udGlkb3MgbmVzdGEgbGljZW7Dp2EuIERlY2xhcmEKdGFtYsOpbSBxdWUgYSBlbnRyZWdhIGRvIGRvY3VtZW50byBuw6NvIGluZnJpbmdlLCB0YW50byBxdWFudG8gbGhlIMOpCnBvc3PDrXZlbCBzYWJlciwgb3MgZGlyZWl0b3MgZGUgcXVhbHF1ZXIgb3V0cmEgcGVzc29hIG91IGVudGlkYWRlLgoKYykgU2UgbyBkb2N1bWVudG8gZW50cmVndWUgY29udMOpbSBtYXRlcmlhbCBkbyBxdWFsIG7Do28gZGV0w6ltIG9zCmRpcmVpdG9zIGRlIGF1dG9yLCBkZWNsYXJhIHF1ZSBvYnRldmUgYXV0b3JpemHDp8OjbyBkbyBkZXRlbnRvciBkb3MKZGlyZWl0b3MgZGUgYXV0b3IgcGFyYSBjb25jZWRlciDDoCBVbml2ZXJzaWRhZGUgZGUgQnJhc8OtbGlhIG9zIGRpcmVpdG9zCnJlcXVlcmlkb3MgcG9yIGVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgY3Vqb3MgZGlyZWl0b3Mgc8OjbyBkZQp0ZXJjZWlyb3MgZXN0w6EgY2xhcmFtZW50ZSBpZGVudGlmaWNhZG8gZSByZWNvbmhlY2lkbyBubyB0ZXh0byBvdQpjb250ZcO6ZG8gZG8gZG9jdW1lbnRvIGVudHJlZ3VlLgoKU2UgbyBkb2N1bWVudG8gZW50cmVndWUgw6kgYmFzZWFkbyBlbSB0cmFiYWxobyBmaW5hbmNpYWRvIG91IGFwb2lhZG8KcG9yIG91dHJhIGluc3RpdHVpw6fDo28gcXVlIG7Do28gYSBVbml2ZXJzaWRhZGUgZGUgQnJhc8OtbGlhLCBkZWNsYXJhIHF1ZQpjdW1wcml1IHF1YWlzcXVlciBvYnJpZ2HDp8O1ZXMgZXhpZ2lkYXMgcGVsbyByZXNwZWN0aXZvIGNvbnRyYXRvIG91CmFjb3Jkby4KCkEgVW5pdmVyc2lkYWRlIGRlIEJyYXPDrWxpYSBpZGVudGlmaWNhcsOhIGNsYXJhbWVudGUgbyhzKSBzZXUgKHMpIG5vbWUgKHMpCmNvbW8gbyAocykgYXV0b3IgKGVzKSBvdSBkZXRlbnRvciAoZXMpIGRvcyBkaXJlaXRvcyBkbyBkb2N1bWVudG8KZW50cmVndWUsIGUgbsOjbyBmYXLDoSBxdWFscXVlciBhbHRlcmHDp8OjbywgcGFyYSBhbMOpbSBkYXMgcGVybWl0aWRhcyBwb3IKZXN0YSBsaWNlbsOnYS4KBiblioteca 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 |