Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática

on

  • 832 views

Apresentação de defesa da monografia.

Apresentação de defesa da monografia.

Statistics

Views

Total Views
832
Views on SlideShare
832
Embed Views
0

Actions

Likes
0
Downloads
7
Comments
0

0 Embeds 0

No embeds

Accessibility

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática Presentation Transcript

  • 1. Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática
    Aluno: Gilliano Menezes
    Orientador: Wellington Santos
    Co-Orientador: George Darmiton, UFPE
  • 2. Roteiro
    Motivação
    Objetivos
    Fundamentação teórica
    Análise de Componentes Principais
    Morfologia Matemática
    Reconhecimento de faces
    Resultados
    Conclusões
  • 3. 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
  • 4. 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
  • 5. Fundamentação teórica
    Análise de Componentes Principais
    Morfologia Matemática
  • 6. 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.
  • 7. Análise de Componentes Principais
    Motivação: Um sistema massa+mola
    Objetivo: Determinar que a dinâmica do movimento está ao longo do eixo x!
  • 8. 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
  • 9. Análise de Componentes Principais
    Há 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.
  • 10. Análise de Componentes Principais
    Os vetores da linha nesta transformação se tornarão os componentes principais de X.
  • 11. Fundamentação teórica
    Análise de Componentes Principais
    Morfologia Matemática
  • 12. 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.
  • 13. Morfologia Matemática
    Operações básicas:
    Dilatação:
    Imagem original
    Imagem dilatada
  • 14. Morfologia Matemática
    Operações básicas:
    Erosão
    Imagem original
    Imagem erodida
  • 15. Morfologia Matemática
    Operações básicas:
    Abertura
    Imagem resultante após a aplicação de abertura
    Imagem original
  • 16. 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.
  • 17. Morfologia Matemática
    Espectro de Padrões – Algoritmo:
    fori = 2:(iteracoes + 1)
    imAbertura = nOpenning(imOriginal, elementoEstruturante, i);
    distrAcumulada(i) = 1 - sum(imAbertura(:))/sum(imOriginal(:));
    EspectroPadroes(i) = distrAcumulada (i) - distrAcumulada (i-1);
    end
  • 18. Morfologia Matemática
    Espectro de Padrões – Exemplo:
  • 19. Morfologia Matemática
    Espectro de Padrões – Exemplo:
  • 20. Reconhecimento de faces
    • Reconhecimento
    • 21. Identificação
    • 22. Categorização
    Reconhecimento
    Descrição
    Resposta
    Face
    Padrão
  • 23. Reconhecimento de faces
    Imagem de teste
    Subconjunto de imagens da base de treinamento
  • 24. Reconhecimento de faces
    Usando Morfologia Matemática
  • 25. Reconhecimento de faces
    Erro ocorrido na 1ª bateria de testes:
    Reconhecimento por Morfologia Matemática
    Saída
    Entrada
    Imagem de saída
    Imagem de teste
  • 26. Reconhecimento de faces
    Usando Análise de Componentes Principais
  • 27. Resultados
    Testes realizados com imagens de faces pertencentes a 10 pessoas distintas
  • 28. 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.
  • 29. Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática
    Aluno: Gilliano Menezes
    Orientador: Wellington Santos
    Co-Orientador: George Darmiton, UFPE