| Summary: | Submitted by Lara Oliveira (lara@ufersa.edu.br) on 2017-04-24T18:35:56Z
No. of bitstreams: 1
AntonioFSF_DISSERT.pdf: 3029657 bytes, checksum: e9a0a86884868c986d0b42d54a37134a (MD5) === Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-04-26T12:15:52Z (GMT) No. of bitstreams: 1
AntonioFSF_DISSERT.pdf: 3029657 bytes, checksum: e9a0a86884868c986d0b42d54a37134a (MD5) === Approved for entry into archive by Vanessa Christiane (referencia@ufersa.edu.br) on 2017-04-26T12:18:02Z (GMT) No. of bitstreams: 1
AntonioFSF_DISSERT.pdf: 3029657 bytes, checksum: e9a0a86884868c986d0b42d54a37134a (MD5) === Made available in DSpace on 2017-04-26T12:18:11Z (GMT). No. of bitstreams: 1
AntonioFSF_DISSERT.pdf: 3029657 bytes, checksum: e9a0a86884868c986d0b42d54a37134a (MD5)
Previous issue date: 2016-08-26 === Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === Nowadays, almost all services and daily tasks involve some computational apparatus,
leading to creation and further accumulation of data. This progressive amount of data is
an important opportunity of exploration for scientific and commercial branches, which
started to value and to use this information more intense and objectively. Allied to this, the
natural process of public and private life exposure through social networks and electronic
devices tend to generate a significant amount of images that can and should be utilized
with various purposes, such as in public security. In this context, facial recognition has
advanced and attracted specific studies and applications, aiming at the identification of
individuals through parametric features. However, some barriers are still found, making
difficult the efficient performance of the operation, such as the computational cost on
the search time and recovery of large proportions in image databases. Based on this,
this paper proposes the use of clustering algorithms in the organization of image data,
thus providing a direction and “ shortening ” in facial images searches. More specifically,
an analysis related to the optimization is conducted imposed by the use of clustering
techniques applied in the automated organization of images, the preparative step for
performing searches. The proposed method was applied to real facial images databases
and used two clustering algorithms k-means and EM with variations for the similarity
measures (euclidean distance and Pearson correlation). The results show that the use of
clustering in data organization has proved to be efficient, leading to a significant reduction
in search time and without losses in process accuracy === Atualmente quase todos os serviços e tarefas cotidianas envolvem algum aparato
computacional, acarretando a criação e o consequente acúmulo de dados. Essa progressiva
quantidade de dados representa uma importante oportunidade de exploração para os
ramos científico e comercial, que passaram a valorizar e utilizar essas informações de
forma mais intensa e objetiva. Aliado a isso, o processo natural de exposição da
vida pública e privada através das redes sociais e dos dispositivos eletrônicos tende
a gerar uma quantidade expressiva de imagens que podem e devem ser aproveitadas
com os mais diversos fins, como na área de segurança pública. Nesse contexto, o
reconhecimento facial tem avançado e atraído estudos e aplicações específicas, que visam a
identificação de indivíduos por meio de características paramétricas. No entanto, alguns
entraves ainda são encontrados, dificultando a realização eficiente dessa operação, como
o custo computacional relativo ao tempo de busca e recuperação de imagens em bases
de dados de grandes proporções. Baseado nisso, este trabalho propõe a utilização de
algoritmos de agrupamento na organização dos dados de imagens, proporcionando assim
um direcionamento e “encurtamento” nas buscas de imagens faciais. Mais especificamente,
é feita uma análise relacionada à otimização imposta pelo uso de técnicas de agrupamento
aplicadas na organização automatizada das imagens, como etapa preparativa para realização
de buscas. O método proposto foi aplicado em bases de dados de imagens faciais reais, e
utilizou dois algoritmos de agrupamento (k-means e EM) com variações para as medidas de
similaridade (distância euclidiana e correlação de Pearson). Os resultados obtidos revelam
que o emprego do agrupamento na organização dos dados mostrou-se eficiente, levando a
uma redução significativa no tempo de busca, e sem prejuízos na precisão do processo === 2017-04-19
|
|---|
