Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/154142 |
Resumo: | O Reconhecimento facial é uma das tecnologias biométricas mais utilizadas em sistemas automatizados que necessitam garantir a identidade de uma pessoa para acesso autorizado e monitoramento. A grande aceitação do uso da face tem várias vantagens sobre outras tecnologias biométricas: ela é natural, não exige equipamentos sofisticados, a aquisição de dados é baseada em abordagens não invasivas, e pode ser feito a distância, de maneira cooperativa ou não. Embora muitos estudos em reconhecimento facial tenham sido feitos, problemas com variação de iluminação, poses com oclusão facial, expressão facial e envelhecimento ainda são desafios, pois influenciam a performance dos sistemas de reconhecimento facial e motivam o desenvolvimento de novos sistemas de reconhecimento que lidam com esses problemas e sejam mais confiáveis. Este trabalho tem como objetivo avaliar a técnica de Padrões Localmente Mapeados em Multiescala (MSLMP) para o reconhecimento facial. Técnicas baseadas em algoritmos genéticos e processamento de imagens foram usadas para obter melhores resultados. Os resultados obtidos chegam a 100% de acurácia para alguns banco de dados. A base de dados MUCT ´e, em particular, bastante complexa, ela foi criada em 2010 com o objetivo de aumentar a quantidade de bancos de dados disponíveis com alta variação de iluminação, idade, posições e etnias, e por isso, ´e um banco de dados difícil quanto ao reconhecimento automático de faces. Uma nova técnica de processamento baseada na média dos níveis de cinza da base foi desenvolvida. |
id |
UNSP_d73cb15da5b444564413f4d0bc321787 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/154142 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de facesMulti-scale local maped pattern applied for face recognitionReconhecimento facialPadrões localmente mapeadosAlgoritmos evolutivosReconhecimento de padrõesSistemas biométricosFacial recognitionLocal mapped patternEvolutionary algorithmsPattern recognitionBiometric systemsO Reconhecimento facial é uma das tecnologias biométricas mais utilizadas em sistemas automatizados que necessitam garantir a identidade de uma pessoa para acesso autorizado e monitoramento. A grande aceitação do uso da face tem várias vantagens sobre outras tecnologias biométricas: ela é natural, não exige equipamentos sofisticados, a aquisição de dados é baseada em abordagens não invasivas, e pode ser feito a distância, de maneira cooperativa ou não. Embora muitos estudos em reconhecimento facial tenham sido feitos, problemas com variação de iluminação, poses com oclusão facial, expressão facial e envelhecimento ainda são desafios, pois influenciam a performance dos sistemas de reconhecimento facial e motivam o desenvolvimento de novos sistemas de reconhecimento que lidam com esses problemas e sejam mais confiáveis. Este trabalho tem como objetivo avaliar a técnica de Padrões Localmente Mapeados em Multiescala (MSLMP) para o reconhecimento facial. Técnicas baseadas em algoritmos genéticos e processamento de imagens foram usadas para obter melhores resultados. Os resultados obtidos chegam a 100% de acurácia para alguns banco de dados. A base de dados MUCT ´e, em particular, bastante complexa, ela foi criada em 2010 com o objetivo de aumentar a quantidade de bancos de dados disponíveis com alta variação de iluminação, idade, posições e etnias, e por isso, ´e um banco de dados difícil quanto ao reconhecimento automático de faces. Uma nova técnica de processamento baseada na média dos níveis de cinza da base foi desenvolvida.Facial recognition is one of the most used biometric technologies in automated systems which ensure a person’s identity for authorized access and monitoring. The acceptance of face use has several advantages over other biometric technologies: it is natural, it does not require sophisticated equipment, data acquisition is based on non-invasive approaches, and can it be done remotely, cooperatively or not. Although many facial recognition studies have been done, problems with light variation, facial occlusion, position, expression, and aging are still challenges, because they influence the performance of facial recognition systems and motivate the development of more reliable recognition systems that deal with these problems. This work aim to evaluate the Multi-scale Local Mapped Pattern (MSLMP) technique for the facial recognition. Techniques based on genetic algorithms and image processing were applied to increase the performance of the method. The obtained results reach up to 100% of accuracy for some databases. A very difficult database to deal is the MUCT database which was created in 2010 with aim of providing images with high variation of lighting, age, positions and ethnicities in the facial biometry literature, which makes it a highly difficult base in relation to automated recognition. A new processing technique was developed based on the average gray levels of the images of the database.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Boaventura, Maurílio [UNESP]Boaventura, Inês Aparecida Gasparotto [UNESP]Universidade Estadual Paulista (Unesp)Silva, Eduardo Machado2018-06-04T16:05:04Z2018-06-04T16:05:04Z2018-04-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/15414200090239533004153071P06958497786939585porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-01T06:16:45Zoai:repositorio.unesp.br:11449/154142Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T19:14:14.705694Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces Multi-scale local maped pattern applied for face recognition |
title |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
spellingShingle |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces Silva, Eduardo Machado Reconhecimento facial Padrões localmente mapeados Algoritmos evolutivos Reconhecimento de padrões Sistemas biométricos Facial recognition Local mapped pattern Evolutionary algorithms Pattern recognition Biometric systems |
title_short |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
title_full |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
title_fullStr |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
title_full_unstemmed |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
title_sort |
Padrões mapeados localmente em multiescala aplicados ao reconhecimento de faces |
author |
Silva, Eduardo Machado |
author_facet |
Silva, Eduardo Machado |
author_role |
author |
dc.contributor.none.fl_str_mv |
Boaventura, Maurílio [UNESP] Boaventura, Inês Aparecida Gasparotto [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Silva, Eduardo Machado |
dc.subject.por.fl_str_mv |
Reconhecimento facial Padrões localmente mapeados Algoritmos evolutivos Reconhecimento de padrões Sistemas biométricos Facial recognition Local mapped pattern Evolutionary algorithms Pattern recognition Biometric systems |
topic |
Reconhecimento facial Padrões localmente mapeados Algoritmos evolutivos Reconhecimento de padrões Sistemas biométricos Facial recognition Local mapped pattern Evolutionary algorithms Pattern recognition Biometric systems |
description |
O Reconhecimento facial é uma das tecnologias biométricas mais utilizadas em sistemas automatizados que necessitam garantir a identidade de uma pessoa para acesso autorizado e monitoramento. A grande aceitação do uso da face tem várias vantagens sobre outras tecnologias biométricas: ela é natural, não exige equipamentos sofisticados, a aquisição de dados é baseada em abordagens não invasivas, e pode ser feito a distância, de maneira cooperativa ou não. Embora muitos estudos em reconhecimento facial tenham sido feitos, problemas com variação de iluminação, poses com oclusão facial, expressão facial e envelhecimento ainda são desafios, pois influenciam a performance dos sistemas de reconhecimento facial e motivam o desenvolvimento de novos sistemas de reconhecimento que lidam com esses problemas e sejam mais confiáveis. Este trabalho tem como objetivo avaliar a técnica de Padrões Localmente Mapeados em Multiescala (MSLMP) para o reconhecimento facial. Técnicas baseadas em algoritmos genéticos e processamento de imagens foram usadas para obter melhores resultados. Os resultados obtidos chegam a 100% de acurácia para alguns banco de dados. A base de dados MUCT ´e, em particular, bastante complexa, ela foi criada em 2010 com o objetivo de aumentar a quantidade de bancos de dados disponíveis com alta variação de iluminação, idade, posições e etnias, e por isso, ´e um banco de dados difícil quanto ao reconhecimento automático de faces. Uma nova técnica de processamento baseada na média dos níveis de cinza da base foi desenvolvida. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-06-04T16:05:04Z 2018-06-04T16:05:04Z 2018-04-06 |
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://hdl.handle.net/11449/154142 000902395 33004153071P0 6958497786939585 |
url |
http://hdl.handle.net/11449/154142 |
identifier_str_mv |
000902395 33004153071P0 6958497786939585 |
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 |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129039350628352 |