Upload
ufpe
View
2.335
Download
4
Embed Size (px)
DESCRIPTION
Apresentação de defesa da monografia.
Citation preview
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