Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/1039
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorWink, Rodrigo-
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.language.isopt_BRpt_BR
dc.titleSistema de reconhecimento de faces em vídeo.pt_BR
dc.date.issued2015-
dc.degree.localSanta Cruz do Sulpt_BR
dc.contributor.advisorMolz, Rolf Fredi-
dc.degree.departmentCurso de Ciência da Computaçãopt_BR
dc.description.abstractAutomated face recognition is a technological area whose importance grows with the creation of security and monitoring systems in response to terrorist attacks. Its utility also lies in the areas of entertainment and commerce, where it allows for the automatization and simplification of processes. This work approaches the application of Support Vector Machines (SVM) to the task of automated facial recognition in video. Such process can be divided in three main parts, detection, feature extraction and recognition. Those three are further detailed in this work, although the main focus is in the problem of recognition and the application of SVM to it. The function of the SVM is to classify correctly a detected face from face images obtained from video. For that end, three multi-class classification methods based in SVM are studied, respectively: one-against-one, one-against-all and DAGSVM (Directed Acyclic Graph SVM). For face detection the Face Detector Viola-Jones method is explored, whose implementation called Haar Feature-based Cascade Classifier was used in the development of the recognition system. Specifically was utilized the version implemented in the Open Source Computer Vision (OpenCV) library. For the feature extraction step, preprocessing methods were used against the whole face image. For the recognition stage the LIBSVM library was used. It contains the implementation of the training and prediction methods for the SVM binary classifier. Tests using The AT&T Database of Faces, showed that DAGSVM was superior to the alternatives.pt_BR
dc.description.notaInclui bibliografia.pt_BR
dc.subject.otherProcessamento de imagenspt_BR
dc.subject.otherExpressão facialpt_BR
dc.identifier.urihttp://hdl.handle.net/11624/1039-
dc.date.accessioned2016-04-01T16:02:03Z-
dc.date.available2016-04-01T16:02:03Z-
dc.degree.grantorUniversidade de Santa Cruz do Sulpt_BR
dc.description.resumoO reconhecimento de faces de forma automatizada é uma área tecnológica cuja importância cresce com a criação de sistemas de segurança e monitoria em resposta a atentados terroristas. Também possui utilidade nas áreas de entretenimento e comércio, onde permite automatizar e agilizar processos. Este trabalho visa utilizar Support Vector Machines (SVM) na tarefa de reconhecimento de faces automatizado em vídeo. Tal processo engloba três etapas principais, a detecção de rostos, extração de características e o posterior reconhecimento, que são aprofundados neste trabalho, embora o foco se encontre no problema do reconhecimento e aplicação de SVM para o mesmo. A função do SVM é classificar corretamente uma face detectada, a partir de imagens de rostos obtidas de vídeo. Para tanto, são abordados três métodos de classificação multi-classe baseados em SVM, respectivamente: um-contra-um, um-contra-todos e SVM de Grafo Dirigido Acíclico DAGSVM (Directed Asiclic Graph SVM). É explorado para detecção de faces uma implementação do método Detector de faces Viola-Jones chamado Haar Feature-based Cascade Classifier, que foi utilizado na criação do sistema de reconhecimento. Especificamente, foi utilizada a versão implementada pela biblioteca Open Source Computer Vision (OpenCV). Para à extração de características, foram utilizados métodos de pré-processamento sobre a imagem inteira da face. Para a etapa de reconhecimento, foi utilizada a biblioteca LIBSVM, que possui a implementação de métodos de treinamento e previsão para classificadores binários SVM. Testes gerados através do sistema, sobre base de imagens de faces The AT&T Database of Faces, mostraram que DAGSVM é superior às alternativas.pt_BR
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Rodrigo Wink.pdf2.34 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons