<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

ENTROPIA DE PROJEÇÃO DO GABOR CURVO COM RANDOM FOREST E SVM PARA RECONHECIMENTO DE FACE.

dc.contributor.authorLIMA JUNIOR, Eucassio Gonçalves
dc.date.accessioned2017-10-04T12:32:13Z
dc.date.available2017-10-04T12:32:13Z
dc.date.issued2017-10-04
dc.descriptionOrientador: Prof. Dr. Ricardo de Andrade Lira Rabêlo. Coorientador: Profª. Drª. Cornélia Janayna Pereira Passarinho. Membro Interno: Prof. Dr. Rodrigo de Melo Souza Veras. Membro Externo: Prof. Dr. Evandro Ottoni Teatini Sales (UFES).pt_BR
dc.description.abstractRESUMO: O reconhecimento facial tem por objetivo primordial identificar uma pessoa baseada em imagens de sua face. Apesar de vários avanços obtidos, alguns desafios permanecem como problemas não resolvidos, resultantes principalmente de condições não controladas do ambiente, tais como mudanças de iluminação, oclusão, variações de expressões faciais e posição da cabeça. Este trabalho apresenta uma proposta de representação de imagens faciais para reconhecimento. A representação facial proposta é constituída de seis etapas e baseia-se na combinação do filtro de Gabor curvo, entropia, Random Forest e Support Vector Machine (SVM). Um conjunto de experimentos foi realizado, para avaliar a proposta apresentada sobre características de cenários encontrados em um ambiente real, fazendo uso das bases de imagens AR Face, FERET e YALE. A representação da face foi avaliada em diversos cenários considerando variações de iluminação, oclusão por óculos de sol, variação de iluminação com oclusão por óculos de sol, oclusão por cachecol, variação de iluminação com oclusão por cachecol, mudança de expressão facial e todos os cenários juntos. Os resultados obtidos por meio dos experimentos, apresentam melhorias incrementais significativas diante de abordagens disponíveis na literatura, obtendo 98,03% de acurácia para a AR Face completa, 97,26 para a FERET e 81,66% com a Yale com 50% de oclusão..................ABSTRACT: Face recognition has as its primary objective to identify a person in pictures of his face. Despite several advances, some challenges remain as unresolved problems, resulting mainly from uncontrolled environmental conditions, such as changes in lighting, occlusion, variations of facial expressions and head position. This paper presents a proposal for the representation of facial images for facial recognition, characterized by robustness to occlusion, illumination variations and facial expressions. The proposed facial representation consists of six steps and is based on the combination of the curved Gabor filter, entropy, Random Forest and Support Vector Machine(SVM). A set of experiments was carried out to evaluate the presented proposal on the characteristics of scenarios found in a real environment, making use of the data bases, FERET and YALE. The face representation was evaluated in several scenarios considering light variations, occlusion by sunglasses, variation of lighting with occlusion by sunglasses, occlusion by scarf, variation of lighting with occlusion by scarf, change of facial expression and all scenarios together. The results obtained through the experiments, present significant incremental improvements in relation to available approaches in the literature, obtaining 98.03% accuracy for full AR Face , 97.26% for FERET and 81.66% with Yale with 50% of occlusion.pt_BR
dc.identifier.urihttp://hdl.handle.net/123456789/805
dc.language.isootherpt_BR
dc.subjectEntropiapt_BR
dc.subjectFiltro de gaborpt_BR
dc.subjectOclusãopt_BR
dc.subjectReconhecimento facialpt_BR
dc.subjectRandomforestpt_BR
dc.subjectRedução de dimensionalidadept_BR
dc.subjectGabor filterpt_BR
dc.subjectEntropypt_BR
dc.subjectDimensionality reductionpt_BR
dc.subjectOcclusionpt_BR
dc.subjectFacial recognitionpt_BR
dc.titleENTROPIA DE PROJEÇÃO DO GABOR CURVO COM RANDOM FOREST E SVM PARA RECONHECIMENTO DE FACE.pt_BR
dc.typePreprintpt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Entropia de projeção do Gabor Curvo com Random Forest e SV.pdf
Tamanho:
7,73 MB
Formato:
Adobe Portable Document Format
Descrição:
Dissertação - Total

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,71 KB
Formato:
Item-specific license agreed upon to submission
Descrição: