| Resumo: | Este artigo tem como objetivo comparar e implementar diferentes algoritmos de reconhecimento facial. Os algoritmos analisados são o Linear Discriminant Analysis (LDA), K Nearest Neighbors (KNN) e Decision Tree Classifier (DTC). O estudo utiliza a base de imagens Yale Faces, composta por 165 imagens de 15 indivíduos em 11 categorias diferentes. O processo de implementação envolveu a padronização das imagens, extração dos rostos e redimensionamento das imagens. Os resultados foram compilados e a acurácia dos algoritmos foi avaliada em diferentes categorias, como luz centrada, óculos, felicidade e luz à esquerda. Conclui-se que o KNN apresentou uma acurácia ligeiramente melhor que o LDA na categoria de luz à esquerda, enquanto o LDA teve a pior acurácia em todas as categorias. Recomenda-se o uso do KNN para casos em que a iluminação esteja mais à esquerda, enquanto o LDA e o KNN podem ser aplicados com boa acurácia em situações com imagens padronizadas e iluminação central, pessoas usando óculos e expressões felizes.
|
|---|
