Reconhecimento de faces aplicado ao problema de pessoas desaparecidas - estudo de caso do eigenface
No Brasil, segundo dados do livro "Cadê Você", cerca de 200 mil pessoas desaparecem todos os anos. Este problema e difícil de ser solucionado, pois demandam de orgãos governamentais investimentos em pessoal e recursos tecnológicos. Concomitantemente, sistemas biométricos melhoram seu desem...
| Autor: | |
|---|---|
| Tipo de documento: | dissertação |
| Estado: | Versão publicada |
| Data de publicação: | 2011 |
| País: | Brasil |
| Recursos: | Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC) |
| Repositório: | Repositório da Produção Científica e Intelectual do SENAI CIMATEC |
| Idioma: | português |
| OAI Identifier: | oai:repositoriosenaiba.fieb.org.br:fieb/719 |
| Acesso em linha: | http://repositoriosenaiba.fieb.org.br/handle/fieb/719 |
| Access Level: | Acceso aberto |
| Palavra-chave: | Eigenface Pessoa desaparecida PCA |
| Resumo: | No Brasil, segundo dados do livro "Cadê Você", cerca de 200 mil pessoas desaparecem todos os anos. Este problema e difícil de ser solucionado, pois demandam de orgãos governamentais investimentos em pessoal e recursos tecnológicos. Concomitantemente, sistemas biométricos melhoram seu desempenho a cada dia e alguns já estão em uso por diversas instituições e orgãos governamentais, estes sistemas permitem o reconhecimento/identificação de pessoas e alguns com margem de cofiança acima de 95%. Neste cenário, propomos avaliar a e ciência de um método biométrico de cunho estatístico de reconhecimento de face aplicado a uma situação controlada de detecção e reconhecimento de pessoas desaparecidas a partir de uma ou de um conjunto pequeno de imagens de entrada. Para realizar esta avaliação escolhe-se o modelo mais aplicado e consagrado da literatura atual, o Eigenface. Procurou-se estabelecer um método de pesquisa baseado em aspectos estatíticos, e como a maioria dos trabalhos nesta área se baseiam em condições ideais, procuramos reverter este panorama tentando encurtar o hiato entre os experimentos em condições ideais e em situações carregadas de ruído da realidade. Buscou-se minimizar os problemas de iluminação e pose com filtros especiais que tentam atenuar essas dficuldades e programamos o modelo em C# com auxílio da biblioteca OpenCV. Utilizou-se um banco de dados consagrado na literatura para testar o desempenho do programa e em seguida foi construído um banco de imagens próprio, constituído de 134 imagens, com pose frontal composto de homens e mulheres com tom de pele variado sem controle de iluminação. Como ponto relevante, mas não fundamental, analisamos também o comportamento do modelo em relação a detec ção de idade. Utilizaram-se, como entrada de dados, imagens oriundas de fotogrfias digitais e vídeo câmera com hardware simples que constitui a maioria das entradas de dados em bancos de pessoas desaparecidas. O modelo ofereceu maior desempenho com imagens estáticas (entre 65% de reconhecimento positivo) do que com sequencias de vídeo (8% de reconhecimento positivo). Os testes revelaram que o modelo não funciona ou funciona de maneira precária (14% de reconhecimento positivo) com apenas uma imagem de treinamento por pessoa, sendo que o mínimo necessário de imagem de entrada estabelecido foi de mais de 15 outro fato que surgiu de maneira intrigante durante a investigação está relacionado a taxa de reconhecimento positivo em pessoas com tom de pele negra (4% de taxa positiva) e a taxa de reconhecimento da idade do indivíduo que se revelou muito destoante das pesquisas nesse campo (28% de taxa positiva). Estes dados permitiram concluir que o modelo falha no seu objetivo e necessita evoluir para ser considerado efetivo no reconhecimento preciso. |
|---|