Análise comparativa das características de filtros de Gabor, LBP e DCT para o reconhecimento automático de expressões faciais
<div style="">O reconhecimento automático de expressões faciais é tratado como um problema de reconhecimento de padrões que consiste em determinar a expressão facial ou o estado emocional expresso (alegre, triste, cansado, dentre outras) pela imagem frontal de uma face humana. Entre...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2015 |
| País: | Brasil |
| Institución: | Universidade Estadual do Ceará |
| Repositorio: | Repositório Institucional da UECE |
| Idioma: | portugués |
| OAI Identifier: | oai:uece.br:83417 |
| Acceso en línea: | https://siduece.uece.br/siduece/trabalhoAcademicoPublico.jsf?id=83417 |
| Access Level: | acceso abierto |
| Palabra clave: | Ciência da computação expressões faciais Reconhecimento de padrões |
| Sumario: | <div style="">O reconhecimento automático de expressões faciais é tratado como um problema de reconhecimento de padrões que consiste em determinar a expressão facial ou o estado emocional expresso (alegre, triste, cansado, dentre outras) pela imagem frontal de uma face humana. Entre as características da imagem extraídas para esta tarefa, as mais promissoras encontradas na literatura são filtros de Gabor, Padrões Binários Locais (LBP) e Transformada Discreta do Cosseno (DCT). Tipicamente, as bases de dados utilizadas para avaliar o desempenho são regionalizadas, sendo, por exemplo, uma base composta somente de faces asiáticas, outra de faces ocidentais, outra de afro-descendentes e assim por diante. O objetivo deste estudo é avaliar o desempenho destas características em diferentes bases de imagens frontais de faces (intra-bases) e avaliar a universalidade delas entre diferentes bases (inter-bases e multibases) considerando os casos de indivíduos conhecidos e desconhecidos. Os resultados obtidos demonstram a não universalidade das características estudadas, pois nos experimentos inter-bases, a melhor acurácia média foi 56,74%. Porém, em alguns experimentos intra-bases e multibases, a acurácia foi superior a 90%. Por fim, algumas recomendações de uso são extraídas dos resultados. Palavras-chave: Expressões faciais. Reconhecimento de padrões. Classificação. Redução de dimensionalidade.</div> |
|---|