Use este identificador para citar o ir al link de este elemento:
http://hdl.handle.net/1843/ESBF-9TEPQQ
Tipo: | Dissertação de Mestrado |
Título: | Reconhecimento de faces em poses arbitrária por meio de descritores locais |
Autor(es): | Bruno Augusto Teixeira |
primer Tutor: | Mario Fernando Montenegro Campos |
primer Co-tutor: | William Robson Schwartz |
primer miembro del tribunal : | Alexei Manso Correa Machado |
Segundo miembro del tribunal: | Erickson Rangel do Nascimento |
Tercer miembro del tribunal: | Flavio Luis Cardeal Padua |
Resumen: | O Reconhecimento de Faces de forma confiável ainda constitui um desafio para os atuais sistemas automáticos que desempenham essa tarefa. Imagens adquiridas de indivíduos em ambientes não controlados são fortemente influenciadas por fatores como variação na iluminação, mudança de pose e oclusão. Dentre esses fatores, a variação de pose é o que traz maior impacto ao desempenho dos algoritmos clássicos, pois esses assumem que as características da face não estejam parcial ou completamente ocultas pela rotação. Neste trabalho, é proposta uma abordagem baseada em modelos canônicos tridimensionais da cabeça e em descritores locais para o reconhecimento de faces em poses arbitrárias. A abordagem desenvolvida é composta por dois módulos principais, sendo que o primeiro módulo é responsável por eliminar a limitação em se ter apenas uma imagem de um indivíduo para o reconhecimento. Nesse módulo, uma imagem frontal é recebida como entrada e imagens sintéticas da face são geradas em múltiplas poses. O segundo módulo, por sua vez, consiste no processo de validação da abordagem proposta. Esse módulo basicamente recebe uma imagem de teste como entrada na qual a face está rotacionada num ângulo qualquer, seu ângulo é inferido e os descritores são extraídos para o reconhecimento. A técnica desenvolvida nesta dissertação foi avaliada sob duas vertentes do processo de reconhecimento: a Identificação e a Verificação. Resultados mostram que tal abordagem pode ser integrada aos atuais sistemas de reconhecimento de faces a fim de auxiliar no reconhecimento de faces com poses extremas. |
Abstract: | Reliable face recognition still stands as a challenge to current automatic face recognition systems. Images acquired from subjects in uncontrolled environments may be strongly affected by numerous factors such as lighting variation, changes in pose and occlusion. This difficulty is due to a number of factors that occur in the images acquired in uncontrolled environments, such as change in illumination, rotation and occlusion. Among those, pose variation is one of the most difficult problems to be overcome, and classical face recognition algorithms assume that facial features are not parially or completely occluded. This works proposes an approach based on local descriptors. The pose variation have a significant effect on performance of the algorithms because most of approaches are based on features of the face that can be partially or completely hidden by rotation. In this paper, we propose an approach based on canonical three-dimensional models of the head and local descriptors for face recognition under arbitrary poses. The developed approach was evaluated in two areas of the face recognition process: identification and verification. Results show that this approach can be coupled in the current face recognition systems for successful face recognition in arbitrary poses. |
Asunto: | Sistemas de reconhecimento de padrões Visão por computador Computação |
Idioma: | Português |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Institución: | UFMG |
Tipo de acceso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/ESBF-9TEPQQ |
Fecha del documento: | 10-dic-2014 |
Aparece en las colecciones: | Dissertações de Mestrado |
archivos asociados a este elemento:
archivo | Descripción | Tamaño | Formato | |
---|---|---|---|---|
brunoteixeira.pdf | 2.02 MB | Adobe PDF | Visualizar/Abrir |
Los elementos en el repositorio están protegidos por copyright, con todos los derechos reservados, salvo cuando es indicado lo contrario.