Reconhecimento
de Faces
Percepção Computacional e Reconhecimento de Padrões
Allan J. Souza, Armando Gonçalves, Eduardo Matos, Filipe
Calegario, João Gabriel Monteiro, João Paulo Oliveira
{ajss, agsj, ejvm, fcac, jggxm, jpso}@cin.ufpe.br
Roteiro

Etapas






Aquisição das Imagens
Pré-processamento
Extração das Características
Classificação e Verificação
Experimentos
Resultados
Aquisição das Imagens
Pré-processamento

Correções




Separação em treinamento e teste (5 posições x 4 fotos)



Iluminação
Resolução
Escala de cinza
5 fotos de cada posição para treinamento
15 restantes para teste
Resize



Tamanho normal 120 x 90
Tamanho aproximado de um ícone 32 x 24
Tamanho pequeno 12 x 9
Extração das Características

Eigenfaces


Extraído do PCA (Principal Component Analysis)
Limitado pela quantidade de exemplos de treino





Subtração da média
Matriz de covariância (S): T . Tt
Exemplo:




Pelo menos N-1 auto-vetores diferentes de 0
Menor que a dimesionalidade das fotos
300 imagens 100 x 100
S = 300 x 300
Melhor que 10000 x 10000
Velocidade e eficiência
Extração das Características

Eigenfaces [1]


Auto-vetores de maior auto-valor
Base de projeção para os elementos de teste




Novo elemento de teste
Subtraído da média (conjunto de treino)
Projetado no espaço de faces (auto-vetores)
Classificação...
Curiosidade...
Média das Imagens
90 x 90
Média das Imagens
32 x 24
Classificação e verificação

k-NN [2]


k - vizinhos mais próximos
Medida de Distância


Euclidiana normalizada
Verificação


Imagem rotulada
Negar ou aceitar o rótulo
Experimentos
Testes Exaustivos
 Tamanho da imagem


Número de dimensões depois do Eigenfaces


Melhor resultado para cada um dos tamanhos
O número de vizinhos do k-NN


120x90; 32x24; 12x9
k-NN com peso ou sem peso
Treinamento 15 e teste 5
Resultados
Tamanho das
Imagens
Melhor dimensão
do PCA
Taxa de acerto
120 x 90
17
89.8958333%
32 x 24
19
90,625%
12 x 9*
20
91.9791666%
* Melhor resultado das variações testadas

k vizinhos mais próximos

1-NN e, portanto sem peso
Resultados

Tamanho das
Imagens
Dimensão do PCA
Taxa de acerto
120 x 90
17
96.25%
32 x 24
19
97.1875%
12 x 9
20
97.1875%
Repetição dos melhores resultados com o conjunto de
treino com 15 fotos e o de teste com 5;
Referências


[1] Wikipedia, The Free Encyclopedia. Eigenface. Disponível
em: <http://en.wikipedia.org/wiki/Eigenface>. Acesso em
Dez 2008.
[2] Wikipedia, The Free Encyclopedia. k-nearest neighbor
algorithm . Disponível em: <http://en.wikipedia.org/wiki /Knearest_neighbor_algorithm>. Acesso em Dez 2008.
Reconhecimento
de Faces
Percepção Computacional e Reconhecimento de Padrões
Allan J. Souza, Armando Gonçalves, Eduardo Matos, Filipe
Calegario, João Gabriel Monteiro, João Paulo Oliveira
{ajss, agsj, ejvm, fcac, jggxm, jpso}@cin.ufpe.br