| Summary: | Desenvolver um modelo computacional de reconhecimento facial não é uma tarefa trivial, porque as faces e os estímulos visuais multidimensionais possuem características de modelagem complexa. A grande dificuldade está na modelagem de uma face que abstraia as características que as diferenciem de outras faces, já que estas apresentam poucas diferenças substanciais entre si. Embora diferentes, todas as faces possuem características como, por exemplo, uma boca, dois olhos e um nariz. No presente trabalho é proposto um sistema de reconhecimento facial desenvolvido em duas fases. Inicialmente utilizam-se as técnicas de Análise de Componentes Principais (PCA) e Eigenfaces (autofaces) para a extração de características da face. Na segunda fase foram aplicados os classificadores K-Nearest Neighbors (K-NN), Random Forest (Floresta Aleatória) e K-Star (K-estrela) no processo de reconhecimento da face. A validação dos algoritmos foi realizada numa base de dados contendo 1280 imagens de 64 classes distintas. Finalmente, foi mostrado que o desempenho dos algoritmos testados para sistemas de reconhecimentos de face baseado em PCA foram muito satisfatórios, atingindo as melhores taxas de reconhecimento, acima de 90% em todos os classificadores.
|
|---|
