Please use this identifier to cite or link to this item: http://riu.ufam.edu.br/handle/prefix/2563
metadata.dc.type: Relatório de Pesquisa
Title: Reconhecimento de Faces utilizando Filtros de Correlação
metadata.dc.creator: Taty Anny Cristine Fonseca de Souza
metadata.dc.contributor.advisor1: WALDIR SABINO DA SILVA JÚNIOR
metadata.dc.description.resumo: Reconhecimento de Padrões é uma área com profunda abrangência. Atualmente, encontramos aplicações que envolvem o reconhecimento de padrões em campos como medicina, economia, processamento de imagens e sinais, dentre outros. Alguns exemplos são: sistemas de detecção e reconhecimento de faces humanas; detectores de objetos e detectores de quinas. Recentemente, vem crescendo o interesse da comunidade científica na detecção/reconhecimento de padrões através de filtros digitais. Os métodos desenvolvidos sob este campo possuem aplicações, principalmente, em telecomunicações e processamento de sinais. Com o advento desses métodos uma nova subárea surgiu. Ela é denominada por Reconhecimento de Padrões por Correlação (CPR). A principal métrica de similaridade utilizada em seus algoritmos e a correlação entre o padrão o qual desejamos detectar/reconhecer e um padrão candidato. Um dos representantes desta subárea, utilizado para o reconhecimento de padrões unidimensionais e bidimensionais é denominado por Class Dependence Feature Analisys (CFA). O CFA, que compreende o estado da arte em CPR, utiliza filtros projetados através da Transformada de Fourier Discreta (DFT) bidimensional e tem sido empregado com sucesso para reconhecimento de faces humanas, detecção de íris e biometria. No caso do CFA, supondo que desejamos reconhecer a face x, a correlação é mensurada por um classificador multi-classe que determina quão próximo a correlação da face x está das faces previamente cadastradas. Neste projeto de pesquisa, iremos investigar qual é o comportamento do método CFA frente a alguns classificadores multi-classe como o SVM multi-classe e construir um sistema completo de reconhecimento de faces. É importante salientar que o acadêmico irá ter contato com o estado da arte da sub-área de Reconhecimento de Padrões por Correlação, além disso, o acadêmico será capaz de implementar algoritmos de média complexidade com ferramentas populares de visão computacional e aprendizado de máquina, como OpenCV e Matlab.
Abstract: 
Keywords: Reconhecimento de Padrões, Filtros de Correção.
metadata.dc.subject.cnpq: Engenharias: Engenharia Eletrica
metadata.dc.language: pt_BR
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Amazonas
metadata.dc.publisher.initials: UFAM
metadata.dc.publisher.department: Eletrônica e Telecomunicações
Faculdade de Tecnologia
metadata.dc.publisher.program: PROGRAMA PIBIC 2011
metadata.dc.rights: Acesso Restrito
URI: http://riu.ufam.edu.br/handle/prefix/2563
Issue Date: 31-Jul-2012
Appears in Collections:Relatórios finais de Iniciação Científica

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.