Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais

Detalhes bibliográficos
Autor(a) principal: Borges Salla, Reinaldo
Data de Publicação: 2019
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UPF
Texto Completo: http://repositorio.upf.br/handle/riupf/2084
Resumo: Avanços no campo de detecção e identificação facial efetivamente passam pela criação de modelos que permitam a extração automática de representações úteis em imagens. Neste contexto, este trabalho procurou explorar modelos de inteligência artificial, capazes de extrair milhões e até bilhões de representações em imagens contendo características faciais. O modelo desenvolvido neste trabalho consistiu em uma rede neural siamesa, formada por um par de redes neurais convolucionais idênticas utilizadas para calcular a diferença entre imagens. O modelo foi desenvolvido através da biblioteca TensorFlow, recentemente lançada pelo Google, e foi treinado com aproximadamente 700.000 imagens. Foi possível obter 84,78% de acurácia no conjunto de dados MUCT. Porém, como a aplicação específica para este trabalho consistiu em habilitar o acesso de usuários em um ambiente restrito, mediante registro prévio, para um sistema em tempo real, também procurou-se utilizar uma rede neural pré-treinada, que consistiu em uma implementação do modelo ResNet treinado com 3 milhões de imagens, disponível em uma biblioteca para a linguagem de programação Python denominada Face Recognition. Através deste método, foi possível obter 97,81% de acurácia no conjunto de dados MUCT. Portanto, foram apresentadas duas abordagens diferentes referentes à identificação facial, e utilizando-se do microcomputador Raspberry Pi, este projeto resultou na simulação do acesso de diferentes indivíduos em um ambiente controlado, através da pesquisa e do desenvolvimento de redes neurais com aplicações em visão computacional e reconhecimento facial.
id UPF_1b20fb1d8ed00631fbc5af31cdd67854
oai_identifier_str oai:localhost:riupf/2084
network_acronym_str UPF
network_name_str Repositório Institucional da UPF
repository_id_str 1610
spelling 2021-11-23T22:17:58Z2021-11-232021-11-23T22:17:58Z2019-12-12SALLA, Reinaldo Borges. Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de redes neurais. 2019. 78 f.Trabalho Final de Graduação (Engenheiro Eletricista). Curso de Engenharia Elétrica. Universidade de Passo Fundo, Passo Fundo, 2019.http://repositorio.upf.br/handle/riupf/2084Avanços no campo de detecção e identificação facial efetivamente passam pela criação de modelos que permitam a extração automática de representações úteis em imagens. Neste contexto, este trabalho procurou explorar modelos de inteligência artificial, capazes de extrair milhões e até bilhões de representações em imagens contendo características faciais. O modelo desenvolvido neste trabalho consistiu em uma rede neural siamesa, formada por um par de redes neurais convolucionais idênticas utilizadas para calcular a diferença entre imagens. O modelo foi desenvolvido através da biblioteca TensorFlow, recentemente lançada pelo Google, e foi treinado com aproximadamente 700.000 imagens. Foi possível obter 84,78% de acurácia no conjunto de dados MUCT. Porém, como a aplicação específica para este trabalho consistiu em habilitar o acesso de usuários em um ambiente restrito, mediante registro prévio, para um sistema em tempo real, também procurou-se utilizar uma rede neural pré-treinada, que consistiu em uma implementação do modelo ResNet treinado com 3 milhões de imagens, disponível em uma biblioteca para a linguagem de programação Python denominada Face Recognition. Através deste método, foi possível obter 97,81% de acurácia no conjunto de dados MUCT. Portanto, foram apresentadas duas abordagens diferentes referentes à identificação facial, e utilizando-se do microcomputador Raspberry Pi, este projeto resultou na simulação do acesso de diferentes indivíduos em um ambiente controlado, através da pesquisa e do desenvolvimento de redes neurais com aplicações em visão computacional e reconhecimento facial.Advances in the field of facial identification and facial detection effectively go through the creation of models that allow the automatic extraction of useful representations in images. In this context, this work intended to explore models of artificial intelligence, that promote the extraction of millions and even billions of representations in images containing facial characteristics. The model developed in this work consisted in a siamese neural network, formed by a pair of identical convolutional neural networks used to calculate the difference between images. The model was developed through the TensorFlow library, recently released by Google, and it was trained with approximately 700,000 images. It was possible to obtain 84.78% accuracy in the MUCT dataset. However, as the specific application for this work consisted in enabling the access of users in a restricted environment, upon previous registration, for a real time system, this projects also sought to use a pretrained neural network, which consisted in a implementation of the ResNet model, trained with 3 million images, available in a library for the Python programming language called Face Recognition. Through this method, it was possible to reach a 97.81% accuracy on the MUCT dataset. Thus, it was presented two different approaches for facial identification, and using the Raspberry Pi microcomputer, this project resulted in the simulating of the access of different individuals in a controlled environment, through the research and the development of neural networks with applications in computer vision and facial recognition.Submitted by Aline Rezende (alinerezende@upf.br) on 2021-11-23T22:17:58Z No. of bitstreams: 1 PF2019ReinaldoBorgesSalla.pdf: 3025630 bytes, checksum: 9a47f40404ac52b98c146ef4441ea411 (MD5)Made available in DSpace on 2021-11-23T22:17:58Z (GMT). No. of bitstreams: 1 PF2019ReinaldoBorgesSalla.pdf: 3025630 bytes, checksum: 9a47f40404ac52b98c146ef4441ea411 (MD5) Previous issue date: 2019-12-12porUniversidade de Passo FundoUPFBrasilFaculdade de Engenharia e Arquitetura - FEAREngenharia ElétricaInteligência artificialRede neural SiamesaRedes neurais convolucionaisTensorFlowResNetVisão computacionalReconhecimento facialPythonSistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisToazza, Adriano LuisBorges Salla, Reinaldoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UPFinstname:Universidade de Passo Fundo (UPF)instacron:UPFLICENSElicense.txtlicense.txttext/plain; charset=utf-81855http://localhost:8080/bitstream/riupf/2084/2/license.txtf4e65a66a9c78bf84e99c734afe49b4cMD52ORIGINALPF2019ReinaldoBorgesSalla.pdfPF2019ReinaldoBorgesSalla.pdfTrabalho Final de Graduaçãoapplication/pdf3025630http://localhost:8080/bitstream/riupf/2084/1/PF2019ReinaldoBorgesSalla.pdf9a47f40404ac52b98c146ef4441ea411MD51riupf/20842022-02-16 17:53:12.373oai:localhost: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Repositório InstitucionalPRIhttp://repositorio.upf.br/oai/requestopendoar:16102022-02-16T19:53:12Repositório Institucional da UPF - Universidade de Passo Fundo (UPF)false
dc.title.pt_BR.fl_str_mv Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
title Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
spellingShingle Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
Borges Salla, Reinaldo
Engenharia Elétrica
Inteligência artificial
Rede neural Siamesa
Redes neurais convolucionais
TensorFlow
ResNet
Visão computacional
Reconhecimento facial
Python
title_short Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
title_full Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
title_fullStr Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
title_full_unstemmed Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
title_sort Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
author Borges Salla, Reinaldo
author_facet Borges Salla, Reinaldo
author_role author
dc.contributor.advisor1.fl_str_mv Toazza, Adriano Luis
dc.contributor.author.fl_str_mv Borges Salla, Reinaldo
contributor_str_mv Toazza, Adriano Luis
dc.subject.por.fl_str_mv Engenharia Elétrica
Inteligência artificial
Rede neural Siamesa
Redes neurais convolucionais
TensorFlow
ResNet
Visão computacional
Reconhecimento facial
Python
topic Engenharia Elétrica
Inteligência artificial
Rede neural Siamesa
Redes neurais convolucionais
TensorFlow
ResNet
Visão computacional
Reconhecimento facial
Python
description Avanços no campo de detecção e identificação facial efetivamente passam pela criação de modelos que permitam a extração automática de representações úteis em imagens. Neste contexto, este trabalho procurou explorar modelos de inteligência artificial, capazes de extrair milhões e até bilhões de representações em imagens contendo características faciais. O modelo desenvolvido neste trabalho consistiu em uma rede neural siamesa, formada por um par de redes neurais convolucionais idênticas utilizadas para calcular a diferença entre imagens. O modelo foi desenvolvido através da biblioteca TensorFlow, recentemente lançada pelo Google, e foi treinado com aproximadamente 700.000 imagens. Foi possível obter 84,78% de acurácia no conjunto de dados MUCT. Porém, como a aplicação específica para este trabalho consistiu em habilitar o acesso de usuários em um ambiente restrito, mediante registro prévio, para um sistema em tempo real, também procurou-se utilizar uma rede neural pré-treinada, que consistiu em uma implementação do modelo ResNet treinado com 3 milhões de imagens, disponível em uma biblioteca para a linguagem de programação Python denominada Face Recognition. Através deste método, foi possível obter 97,81% de acurácia no conjunto de dados MUCT. Portanto, foram apresentadas duas abordagens diferentes referentes à identificação facial, e utilizando-se do microcomputador Raspberry Pi, este projeto resultou na simulação do acesso de diferentes indivíduos em um ambiente controlado, através da pesquisa e do desenvolvimento de redes neurais com aplicações em visão computacional e reconhecimento facial.
publishDate 2019
dc.date.issued.fl_str_mv 2019-12-12
dc.date.accessioned.fl_str_mv 2021-11-23T22:17:58Z
dc.date.available.fl_str_mv 2021-11-23
2021-11-23T22:17:58Z
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 SALLA, Reinaldo Borges. Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de redes neurais. 2019. 78 f.Trabalho Final de Graduação (Engenheiro Eletricista). Curso de Engenharia Elétrica. Universidade de Passo Fundo, Passo Fundo, 2019.
dc.identifier.uri.fl_str_mv http://repositorio.upf.br/handle/riupf/2084
identifier_str_mv SALLA, Reinaldo Borges. Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de redes neurais. 2019. 78 f.Trabalho Final de Graduação (Engenheiro Eletricista). Curso de Engenharia Elétrica. Universidade de Passo Fundo, Passo Fundo, 2019.
url http://repositorio.upf.br/handle/riupf/2084
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.publisher.none.fl_str_mv Universidade de Passo Fundo
dc.publisher.initials.fl_str_mv UPF
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Faculdade de Engenharia e Arquitetura - FEAR
publisher.none.fl_str_mv Universidade de Passo Fundo
dc.source.none.fl_str_mv reponame:Repositório Institucional da UPF
instname:Universidade de Passo Fundo (UPF)
instacron:UPF
instname_str Universidade de Passo Fundo (UPF)
instacron_str UPF
institution UPF
reponame_str Repositório Institucional da UPF
collection Repositório Institucional da UPF
bitstream.url.fl_str_mv http://localhost:8080/bitstream/riupf/2084/2/license.txt
http://localhost:8080/bitstream/riupf/2084/1/PF2019ReinaldoBorgesSalla.pdf
bitstream.checksum.fl_str_mv f4e65a66a9c78bf84e99c734afe49b4c
9a47f40404ac52b98c146ef4441ea411
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UPF - Universidade de Passo Fundo (UPF)
repository.mail.fl_str_mv
_version_ 1798492624443670528

Registros relacionados