Escolar Documentos
Profissional Documentos
Cultura Documentos
International Journal of Computer Theory and Engineering, Vol. 2, No. 4, August, 2010, 1793-8201 Mayank Agarwal, Nikunj Jain, Mr. Manish Kumar, Himanshu Agrawal
Srgio E. Palmiere
Sumrio
Problema
Objetivos Introduo
Aplicaes
Metodologia Concluses Referncias Bibliogrficas
Problema
Como codificar e decodificar a imagem de um rosto para ser
Objetivo Geral:
Objetivos Especficos:
Angelina Jolie
Jennifer Aniston
Ann Hathaway
Jennifer Lopez
Aplicaes
Segurana Verificao de cartes de crdito Identificao criminal Percepo de emoes Jogos
Exemplo: Imagem com 128 x 128 pixels com 64 nveis de cinza = 98.304 bits para armazenamento.
Histograma: Representao de todos os pixels numa foto onde o eixo vertical representa a quantidade de pixels e o eixo horizontal sua intensidade de brilho.
Histograma da Intensidade de Exposio de uma Foto Histograma do ndice de Exposio Tonal
Eigenfaces.
Eigenface: representao de qualquer rosto em um sistema de coordenadas.
Baseado em PCA ( Principal Component Analysis).
Sntese da Metodologia:
1- Pr-Processamento: Equalizao da imagem. Histograma. Converso para escala de cinza. Reduo do tamanho da imagem. 2- Clculo das Eigenfaces: Encontrar os vetores de eigen que melhor representam a imagem. 3- Classificao e Descrio da Imagem: Extrao de quarenta eigenfaces para descrever cada imagem. 4- Treinamento da Imagem: Aplica-se uma rede neural para cada rosto existente. 5- Reconhecimento do Rosto: Aplica-se uma imagem para teste da rede. Os resultados so comparados e se a sada exceder o limiar desejado a imagem confirmada como pertencente a pessoa com maior sada.
Banco de dados com 40 rostos de indivduos em diferentes condies. Dez imagens para cada indivduo, onde as seis primeiras so usadas para treinamento da rede neural. Imagem original com 112 x 92 pixels de resoluo, numa escala de 256 tons de cinza, tendo os indivduos sobre um fundo escuro na posio de perfil. Imagem modificada para 56 x 46 pixels de resoluo. Nmero de redes igual ao nmero de indivduos, com trs camadas de neurnios . Entrada igual ao nmero de eigenfaces. Camada Escondida igual a 10 neurnios. Sada igual a um neurnio. Rede: Backpropagation com funo de transferncia Tansig. Treinamento: 100 epocas.
Concluses:
O Mtodo muito sensvel as orientaes de cabea. O mtodo foi capaz de acertar 97% das vezes ultrapassando a eficincia dos mtodos K-means e algoritmo de formigas com Fuzzy utilizados na comparao.
Referncias Bibliogrficas:
Mayank Agarwal, Nikunj Jain, Mr. Manish Kumar and Himanshu Agrawal; Face Recognition Using Eigen Faces and Artificial Neural Network, International Journal of Computer Theory and Engineering, Vol. 2, No. 4, August, 2010, 1793-8201. BLOG. CORDINER.NET; Eigenfaces face recognition (Matlab); 2, Dezembro 2010, disponvel em: <http://blog.cordiner.net/2010/12/02/eigenfaces-face-recognition-matlab/ >; Acesso em: 16 Nov. 2012. Meftah Ur. Rahman, A comparative study on face recognition techniques and neural network, George Mason University, disponvel em: < http://www.google.com.br/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&ved=0CDkQFjA B&url=http%3A%2F%2Farxiv.org%2Fpdf%2F1210.1916&ei=dQ2IUrrXM8KgkAfe8YDwDQ&usg=A FQjCNHz8z3RrQVXWoTlgdQrnCXRHcgWIg&bvm=bv.56643336,d.eW0>, Acesso em: 16 Nov. 2012. Burger, Wilhem; Burge, Mark J. Principles of Digital Image Processing Fundamental Techniques, Editora Springer-Verlag; London, 2009. Gonzalez, Rafael C.; Woods, Richard E.; Procesamento de Imagens Digitais, Editora Edgard Blucher, 2007.