Reconhecimento de Faces com PCA
Participantes: Rodrigo Fontes Souto e Gustavo Amaral Ferreira de Melo
Título: Reconhecimento de Faces Pelo Método das
Componentes Principais Utilizando
a Distância Euclidiana.
Resumo:
Programar um algoritmo capaz de efetuar o reconhecimento de faces de maneira rápida e eficaz. O modelo utilizado baseia-se no método da PCA – Análise das Componentes Principais. O objetivo do modelo é reduzir a dimensão do problema, extraindo apenas as informações mais importantes sobre a variação das faces cadastradas no sistema.
Dado um banco de faces, serão realizados testes em relação a sua eficiência, tanto para verificar taxa de acerto do algoritmo como o tempo necessário ao reconhecimento. A questão do tempo é de muito interesse principalmente para bancos extensos de faces.
Reduzida a dimensão do problema, busca-se uma maneira de se extrair as informações de forma eficiente. Neste trabalho, será utilizado o modelo que se baseia no conceito de classe média. A partir deste modelo, também serão realizados testes com o intuito de observar o comportamento do programa mediante a alteração de algumas de suas variáveis, tais como o número de autovetores utilizados, o número de imagens a serem utilizadas tanto para a face média global como para a classe média.
O esforço computacional para acrescentar novos indivíduos ao banco de dados é muito importante. Tradicionalmente, ao se acrescentar um indivíduo o algoritmo utiliza novamente todo o banco de dados. Neste trabalho, apresenta-se um estudo da eficiência do algoritmo incremental que reduz significativamente o tempo de processamento, permitindo uma atualização eficiente do sistema de reconhecimento de faces. Isto é muito interessante na automação de sistemas de monitoramento de shopping centers, aeroportos e outros locais onde a segurança é importante. Mostram-se os resultados alcançados com diferentes bancos de imagens, em particular a análise dos tempos envolvidos nas diversas etapas do reconhecimento de faces com PCA convencional e com a PCA incremental.
Conclusões:Um sistema de reconhecimento de faces em funcionamento deve conter inúmeras faces em seu banco de dados. Contudo, calcular o algoritmo da PCA exige um esforço computacional tão grande quanto for o tamanho do banco. Em um sistema dinâmico, onde se possam acrescentar novas imagens, cada novo conjunto a ser adicionado implicará em um novo treinamento do sistema. Assim, é de muito interesse poder acrescentar um novo conjunto de imagens sem ter a necessidade de recalcular todos os parâmetros necessários ao treinamento.
Apresentou-se um estudo comparativo de dois métodos de reconhecimento facial. O método incremental, conforme esperado, é mais rápido quando se inserem imagens de um novo indivíduo.
Obtiveram-se os tempos dos para os cálculos para diversas quantidades de imagens. Verificou-se em todos os casos um significativo ganho de desempenho com o algoritmo incremental, da ordem de 30%.
Foi possível investigar o tempo em cada etapa do processo de treinamento. Notou-se que o algoritmo incremental atua, em especial, de forma a dispensar a leitura completa do banco de imagens. Apenas lê-se o arquivo relativo ao novo indivíduo. Isto reduz o esforço computacional desta etapa de 38% para 3%.