Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática

Aluno: Gilliano Menezes

Orientador: Wellington Santos

Co-Orientador: George Darmiton, UFPE

RoteiroMotivaçãoObjetivosFundamentação teórica

◦Análise de Componentes Principais◦Morfologia Matemática

Reconhecimento de facesResultados Conclusões

MotivaçãoSubstituição 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

ObjetivosDesenvolver um sistema de

reconhecimento pela biometria da face usando:◦Análise de Componentes Principais◦Morfologia Matemática

Comparar eficácia das duas técnicas para o reconhecimento

Fundamentação teóricaAnálise de Componentes

PrincipaisMorfologia Matemática

Análise de Componentes PrincipaisVisa 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 PrincipaisMotivação: 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 teóricaAnálise de Componentes

PrincipaisMorfologia Matemática

Morfologia MatemáticaFerramenta 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 MatemáticaOperações básicas:

◦Dilatação:

Imagem original

Imagem dilatada

Morfologia MatemáticaOperações básicas:

◦Erosão

Imagem original

Imagem erodida

Morfologia MatemáticaOperações básicas:

◦Abertura

Imagem original

Imagem resultante após a aplicação de abertura

Morfologia MatemáticaEspectro 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 MatemáticaEspectro 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 MatemáticaEspectro de Padrões – Exemplo:

Morfologia MatemáticaEspectro 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 facesUsando Morfologia Matemática

Reconhecimento de facesErro ocorrido na 1ª bateria de

testes:

Reconhecimento por

Morfologia Matemática

Imagem de teste Imagem de saída

SaídaEntrada

Reconhecimento de facesUsando Análise de Componentes

Principais

ResultadosTestes realizados com imagens

de faces pertencentes a 10 pessoas distintas

20 imagens de treinamento

90 imagens de treinamento

Análise de Componentes

Principais90% 90%

Morfologia Matemática 50% 100%

Taxa de acerto

ConclusõesAnálise 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