reconhecimento de faces usando análise de componentes principais e morfologia matemática
DESCRIPTION
Apresentação de defesa da monografia.TRANSCRIPT
Reconhecimento de faces
usando Análise de
Componentes Principais e
Morfologia Matemática
Aluno: Gilliano Menezes
Orientador: Wellington Santos
Co-Orientador: George Darmiton, UFPE
Roteiro
Motivação
Objetivos
Fundamentação teórica
◦ Análise de Componentes Principais
◦ Morfologia Matemática
Reconhecimento de faces
Resultados
Conclusões
Motivação
Substituição das senhas tradicionais;
Controle de acesso
◦ Quarto de Hospitais
◦ Condomínios Residenciais
Identificação e rastreamento de
pessoas
Detecção de tentativas de fraudes
bancárias
Verificação de identidade
Objetivos
Desenvolver um sistema de
reconhecimento pela biometria da
face usando:
◦ Análise de Componentes Principais
◦ Morfologia Matemática
Comparar eficácia das duas técnicas
para o reconhecimento
Fundamentação teórica
Análise de Componentes Principais
Morfologia Matemática
Análise de Componentes
Principais Visa identificar a base mais
significante para re-expressar um
conjunto de dados.
É usado para identificar padrões nos
dados, visando expressar os mesmos
de modo a salientar as similaridades e
diferenças existentes.
Evidencia os componentes mais
relevantes para o reconhecimento de
faces.
Análise de Componentes
Principais Motivação: Um sistema massa+mola
Objetivo: Determinar que a dinâmica do movimento está ao longo do
eixo x!
Em um instante de tempo, a câmera A
grava uma posição da massa
Cada câmera contribui para uma
projeção em 2 dimensões da posição
da massa no vetor
Análise de Componentes
Principais
Análise de Componentes
PrincipaisHá outra base, que seja uma combinação linear da
base original, que melhor re-expresse nosso
conjunto de dados?
P é uma matriz que transforma X em Y.
As linhas de P, , são o conjunto dos
novos vetores base que expressam as colunas de
X.
Análise de Componentes
PrincipaisOs vetores da linha nesta
transformação se tornarão os
componentes principais de X.
Fundamentação teórica
Análise de Componentes Principais
Morfologia Matemática
Morfologia Matemática
Ferramenta que se concentra nas
estruturas geométricas da imagem
para extração de componentes que
são úteis para representação e
descrição da forma de uma região.
Operações matemáticas são
aplicadas para intensificar aspectos
das formas tal que eles possam ser
reconhecidos.
Morfologia Matemática
Operações básicas:
◦ Dilatação:
Imagem
originalImagem
dilatada
Morfologia Matemática
Operações básicas:
◦ Erosão
Imagem
originalImagem
erodida
Morfologia Matemática
Operações básicas:
◦ Abertura
Imagem
original
Imagem resultante
após a aplicação de
abertura
Morfologia Matemática
Espectro de Padrões◦ O Espectro de Padrões obtém o
histograma da distribuição dos tamanhos dos vários objetos que compõem a imagem;
◦ Os parâmetros obtidos a partir deste espectro permitem desenvolver uma análise quantitativa do conteúdo da imagem;
◦ Cada imagem possui um Espectro de Padrões distinto;
◦ Imagens semelhantes possuem Espectros de Padrões semelhantes.
Morfologia Matemática
Espectro de Padrões – Algoritmo:
for i = 2:(iteracoes + 1)
imAbertura = nOpenning(imOriginal, elementoEstruturante, i);
distrAcumulada(i) = 1 - sum(imAbertura(:))/ sum(imOriginal(:));
EspectroPadroes(i) = distrAcumulada (i) - distrAcumulada (i-1);
end
Morfologia Matemática
Espectro de Padrões – Exemplo:
Morfologia Matemática
Espectro de Padrões – Exemplo:
Reconhecimento de faces
Reconhecimento•Reconhecimento
•Identificação
•Categorização
Face
Descrição
Padrão
Resposta
Reconhecimento de faces
Imagem de teste
Subconjunto de imagens da base de
treinamento
Reconhecimento de faces
Usando Morfologia Matemática
Reconhecimento de faces
Erro ocorrido na 1ª bateria de testes:
Reconheciment
o por
Morfologia
Matemática
Imagem de teste Imagem de
saída
SaídaEntrad
a
Reconhecimento de faces
Usando Análise de Componentes Principais
Resultados
Testes realizados com imagens de
faces pertencentes a 10 pessoas
distintas20 imagens de treinamento
90 imagens de treinamento
Análise de Componentes
Principais90% 90%
Morfologia Matemática 50% 100%
Taxa de acerto
Conclusões
Análise de Componentes Principais◦ Alta eficiência para um conjunto de treinamento
pequeno;
◦ Baixo tempo de processamento requerido;
◦ Alta taxa de acerto para um conjunto de treinamento grande.
Morfologia Matemática◦ Média eficiência para um conjunto de treinamento
pequeno;
◦ Alto tempo de processamento requerido;
◦ Alta taxa de acerto para um conjunto de treinamento grande;
◦ Pode ocorrer falsa aceitação para imagens com aspectos morfológicos semelhantes.
Reconhecimento de faces
usando Análise de
Componentes Principais e
Morfologia Matemática
Aluno: Gilliano Menezes
Orientador: Wellington Santos
Co-Orientador: George Darmiton, UFPE