O documento descreve um sistema de reconhecimento facial que usa Análise de Componentes Principais e Morfologia Matemática. O sistema tem como objetivo desenvolver um método de reconhecimento facial biometrico usando essas duas técnicas e comparar sua eficácia. O documento explica os fundamentos teóricos dessas técnicas e apresenta os resultados dos testes realizados com o sistema, que teve alta taxa de acerto para conjuntos grandes de imagens de treinamento.

1. Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática Aluno: Gilliano Menezes Orientador: Wellington Santos Co-Orientador: George Darmiton, UFPE

2. Roteiro Motivação Objetivos Fundamentação teórica Análise de Componentes Principais Morfologia Matemática Reconhecimento de faces Resultados Conclusões

3. Motivação Substituição das senhas tradicionais; Controle de acesso Quarto de Hospitais Condomínios Residenciais Identificação e rastreamento de pessoas Detecção de tentativas de fraudes bancárias Verificação de identidade

4. Objetivos Desenvolver um sistema de reconhecimento pela biometria da face usando: Análise de Componentes Principais Morfologia Matemática Comparar eficácia das duas técnicas para o reconhecimento

5. Fundamentação teórica Análise de Componentes Principais Morfologia Matemática

6. Análise de Componentes Principais Visa identificar a base mais significante para re-expressar um conjunto de dados. É usado para identificar padrões nos dados, visando expressar os mesmos de modo a salientar as similaridades e diferenças existentes. Evidencia os componentes mais relevantes para o reconhecimento de faces.

7. Análise de Componentes Principais Motivação: Um sistema massa+mola Objetivo: Determinar que a dinâmica do movimento está ao longo do eixo x!

8. Em um instante de tempo, a câmera A grava uma posição da massa Cada câmera contribui para uma projeção em 2 dimensões da posição da massa no vetor Análise de Componentes Principais

9. Análise de Componentes Principais Há outra base, que seja uma combinação linear da base original, que melhor re-expresse nosso conjunto de dados? P é uma matriz que transforma X em Y. As linhas de P, , são o conjunto dos novos vetores base que expressam as colunas de X.

10. Análise de Componentes Principais Os vetores da linha nesta transformação se tornarão os componentes principais de X.

11. Fundamentação teórica Análise de Componentes Principais Morfologia Matemática

12. Morfologia Matemática Ferramenta que se concentra nas estruturas geométricas da imagem para extração de componentes que são úteis para representação e descrição da forma de uma região. Operações matemáticas são aplicadas para intensificar aspectos das formas tal que eles possam ser reconhecidos.

13. Morfologia Matemática Operações básicas: Dilatação: Imagem original Imagem dilatada

14. Morfologia Matemática Operações básicas: Erosão Imagem original Imagem erodida

15. Morfologia Matemática Operações básicas: Abertura Imagem resultante após a aplicação de abertura Imagem original

16. Morfologia Matemática Espectro de Padrões O Espectro de Padrões obtém o histograma da distribuição dos tamanhos dos vários objetos que compõem a imagem; Os parâmetros obtidos a partir deste espectro permitem desenvolver uma análise quantitativa do conteúdo da imagem; Cada imagem possui um Espectro de Padrões distinto; Imagens semelhantes possuem Espectros de Padrões semelhantes.

17. Morfologia Matemática Espectro de Padrões – Algoritmo: fori = 2:(iteracoes + 1) imAbertura = nOpenning(imOriginal, elementoEstruturante, i); distrAcumulada(i) = 1 - sum(imAbertura(:))/sum(imOriginal(:)); EspectroPadroes(i) = distrAcumulada (i) - distrAcumulada (i-1); end

18. Morfologia Matemática Espectro de Padrões – Exemplo:

19. Morfologia Matemática Espectro de Padrões – Exemplo:

21. Identificação

22. CategorizaçãoReconhecimento Descrição Resposta Face Padrão

23. Reconhecimento de faces Imagem de teste Subconjunto de imagens da base de treinamento

24. Reconhecimento de faces Usando Morfologia Matemática

25. Reconhecimento de faces Erro ocorrido na 1ª bateria de testes: Reconhecimento por Morfologia Matemática Saída Entrada Imagem de saída Imagem de teste

26. Reconhecimento de faces Usando Análise de Componentes Principais

27. Resultados Testes realizados com imagens de faces pertencentes a 10 pessoas distintas

28. Conclusões Análise de Componentes Principais Alta eficiência para um conjunto de treinamento pequeno; Baixo tempo de processamento requerido; Alta taxa de acerto para um conjunto de treinamento grande. Morfologia Matemática Média eficiência para um conjunto de treinamento pequeno; Alto tempo de processamento requerido; Alta taxa de acerto para um conjunto de treinamento grande; Pode ocorrer falsa aceitação para imagens com aspectos morfológicos semelhantes.

29. Reconhecimento de faces usando Análise de Componentes Principais e Morfologia Matemática Aluno: Gilliano Menezes Orientador: Wellington Santos Co-Orientador: George Darmiton, UFPE