Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Introducao a programacao python e dlib
Tipologia: Manuais, Projetos, Pesquisas
1 / 90
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Programa de Pós-Graduação em Sistemas de Informação e Gestão do Conhecimento
Pré-projeto de dissertação submetido ao Programa de Pós-Graduação em Sistemas de Informação e Gestão do Conhecimento da Universidade FUMEC como requisito parcial para obtenção do título de Mestre em Sistemas de Informação e Gestão do Conhecimento.
Orientador(a): Prof(a). Dra. Júlia Epischina Engrácia de Oliveira
Lista de Tabelas
Tabela 01: Cronograma de Desenvolvimento do Projeto .......................................... 82
a qual deverá ser utilizada na identificação e no reconhecimento de pessoas em um ambiente indoor. Como resultado, será verificada a capacidade do algoritmo quanto ao reconhecimento e a identificação dos indivíduos presentes na cena com base nos dados obtidos pelo dispositivo (sensor Kinect ).
Palavras-chave: Kinect - Biometria – Reconhecimento de padrões - Reconhecimento Facial.
Abstract
The man-machine interaction is an increasingly studied topic, being applied in increasingly areas, thereby obtaining a major emphasis on the development of intelligent systems. This project had as main objective creating a system for the recognition of facial features. The system is structured so that it can be used as an independent and simple to use framework, which is easily expandable (allowing the addition of new features) and with a sufficient degree of accuracy for the results to be very real and effective. Special attention has been taken in the scalability of the system, using it to good software engineering practices such as design patterns.
To develop the system, it was adopted the Microsoft's Kinect device in conjunction with the computer vision library OpenCV. The Kinect was chosen mainly because of its SDK (MICROSOFT, 2010) fairly complete, and also because of its capture quality data and their large user community, where you can easily find support for any problems. The choice of OpenCV is also attributable to its large community and its algorithms and classifiers. Among them the classifiers stand out such as the Cascade and the algorithms such as Eigenface and Fisherface.
The architecture of the framework was tested in a real application for capturing experimental data. This application reproduces a possible usage scenario, thereby revealing some of the strengths and weaknesses of the system. As strengths we highlight how easy is to use the framework and its ability to identify different types of people with a good degree of reliability and speed. The points that seek more work are related to the addition of more detection modules and optimization of existing ones in order to improve results and cover more use cases.
This paper presents a study on the viability in using the Kinect sensor as a capture device and extraction of data in a biometric facial recognition system. A software will be presented to assist the data capturing from the Kinect sensor, generating a database of local image, which must be used in the identification and recognition of people in an indoor environment. As a result, it will be verified the ability of the algorithm on the recognition and identification of individuals present in the scene, based on the data obtained by the device (Kinect Sensor).
dispositivo para sistemas biométricos que necessitem de respostas mais rápidas. Novos modelos de sistemas biométricos estão surgindo entre eles, os sistemas de reconhecimento facial que têm sido constantemente aprimorados por profissionais da área de tecnologia da informação, reflexo disso se deve à crescente disseminação de aplicações voltadas ao uso e identificação da face.
Desenvolver um modelo computacional de reconhecimento facial não é uma tarefa fácil, eis que as faces e os estímulos visuais multidimensionais possuem características de modelagem complexa. A grande dificuldade está na modelagem de uma face que abstrai as características que a diferem de outra face, já que essas apresentam poucas diferenças entre si. Embora diferentes todas as faces possuem características comuns como: boca, olhos e nariz.
O reconhecimento biométrico através da face envolve vários campos da ciência, especialmente na ciência da computação. Outros campos interessados nesta tecnologia são: Mecatrônica, Robótica, Criminalística, etc.
Trabalhos recentes vêm demonstrando a utilização de imagens RGB-D (Red, Green , blue e deth ) como proposta de tecnologia para a detecção e reconhecimento de faces. descrevem um modelo de algoritmo que usa imagens RGB-D para o reconhecimento de faces sob o efeito de várias covariáveis (variáveis externas). Tal algoritmo combina um espaço de cores para o tratamento do processo de reconhecimento.
Segundo Kim, Lee et al. (2013), o reconhecimento de faces tem muitas aplicações, tais como sistemas de biometria, sistemas de controle de acesso, sistemas de vigilância, sistemas de segurança, sistemas de verificação de cartão de crédito e sistemas de recuperação de vídeo baseados em conteúdo. Até o momento, muito dos sistemas utilizados na biometria são aplicados para o reconhecimento de características da face de indivíduos baseados no uso de técnicas conhecidas como: análise de componentes principais (PCA) (TURK & PENTLAND, 1991; RAMA, BABU & KISHORE, 2011), a análise discriminante linear (LDA) (RAMA, BABU & KISHORE, 2011; XU & LEE, 2012), análise de componentes independentes (ICA) (LIU & WECHSLER, 1999), análise de componentes principais bidimensional (PCA-2D)
(JIAN, DAVID, ALEJANDRO & YANG, 2004), redes neurais artificiais (LAWRENCE, GILES, TSOI & BACK, 1997), incorporando modelos ocultos de Markov (EHMM) (KIM, CHUNG & HONG, 2010), Gabor wavelets (TAN & TRIGGS, 2007), e assim por diante. Geralmente, os sistemas de reconhecimento facial podem alcançar um bom desempenho em ambientes controlados. No entanto, estes tipos de sistemas tendem a sofrer variações de diferentes formas como: iluminações variadas, poses, expressões não características, e, oclusão. Em particular, variações de iluminação que ocorrem em imagens da face degrada drasticamente a precisão do reconhecimento.
Para muitos autores, o reconhecimento facial tem sido um estímulo para a conquista de grandes desafios baseados em diferentes cenários, nos quais, envolvem características desafiadoras quanto ao tratamento da iluminação, posição e ponto de vista, assim como, variações de distorção e variações específicas de expressão facial com alta similaridade de rostos humanos.
Imagens 2D, geralmente utilizados no reconhecimento facial, podem abranger uma quantidade limitada de informações sobre um rosto ou face, e por este motivo, pesquisadores consideram o uso de informações 3D essencial para o processo de reconhecimento facial. Embora a incorporação de imagens 3D tenham conduzido melhorias significativas em relação as imagens 2D, o alto custo de sensores especializados neste assunto limitam a popularização e a disseminação de seu uso pelo mundo (GOSWAMI, BHARADWAJ, VATSA & SINGH, 2013).
A combinação de imagens RGB-D derivados de dispositivos de captura como por exemplo, o Kinect da Microsoft são capazes de fornecer informações detalhadas sobre o objeto capturado se diferenciando de uma imagem colorida tradicional (imagem 2D). Imagens RGB-D podem ser aplicadas a uma variedade de situações, tais como: reconhecimento geral de objetos, modelagem de superfície e de rastreamento, modelagem de ambientes internos com localização de objetos em cena e visão robótica.
Com o surgimento do sensor Kinect , tornou-se mais acessível o desenvolvimento de aplicações para a captura de imagens 3D, devido ao baixo custo de aquisição do
A escolha na utilização desta plataforma se deu pela possibilidade de criação de um ambiente gráfico amigável e de fácil interação com sistema.
1.1. Problema
Diante de tal situação baseada no uso do dispositivo kinect como alternativa viável e de baixo custo para a implementação de uma solução de software para registro de ponto, surge a seguinte pergunta: Quais são os componentes de um arcabouço conceitual para o reconhecimento facial na identificação de indivíduos?
1.2. Justificativa
Atualmente, interagir com computadores tornou-se tão comum que já quase ninguém parece perceber o quão grande é a distância entre os computadores e os humanos. No entanto, esta distância torna-se evidente, quando utilizadores de idade mais avançada interagem com computadores pela primeira vez, pois muitas vezes estes não têm o conhecimento necessário ou intuição para executar até mesmo as tarefas mais simples. O grande progresso na velocidade e complexidade do hardware e software durante as últimas décadas tem levado à criação de interfaces mais naturais que diminuem consideravelmente a disparidade entre computadores e humanos (HURK, 2012).
A detecção facial é uma das tarefas visuais que os humanos conseguem fazer sem qualquer esforço. No entanto, em termos de visão computacional, esta tarefa não é assim tão simples. Uma definição geral do problema pode ser feita da seguinte forma: dada uma imagem estática ou em vídeo, detectar e localizar o número faces existentes. A solução para este problema envolve a extração, segmentação e verificação de faces encontradas considerando as características faciais, a partir de um background não definido (PHILLIPS, ROSENFELD, ZHAO, & CHELLAPPA, 2003).
O propósito da detecção de características faciais consiste em descobrir a presença
e a localização de características da face de indivíduos, assumindo que exista por vez, apenas uma única face na imagem analisada (AGARWAL, AGRAWAL, JAIN & KUMAR, 2010). Já o reconhecimento ou identificação de faces, realiza uma possível comparação entre uma imagem de entrada capturada e a base de imagens armazenada, informando se existem semelhanças entre si (BRADSKI & KAEHLER, 2008; LAGANIÈRE, R., 2011). A autenticação de faces tem por objetivo a verificação da identidade pessoal a partir de uma imagem de entrada adquirida por um dispositivo (JAIN et al. , 2004).
A evolução das técnicas de reconhecimento de imagem provocaram o aparecimento de diversos contextos baseados em múltiplas formas de reconhecimento. Com o uso de uma câmara, é possível reconhecer certos traços de uma pessoa através de marcadores comuns. Esta tecnologia aliada ao surgimento de novos dispositivos como o sensor Kinect possibilita a criação de novas formas de identificação resultando numa experiência virtual orientada ao indivíduo ao invés de uma experiência genérica. Assim, a criação de ferramentas com as quais seja possível, criar este tipo de aplicação, será uma importante contribuição neste sentido.
Pensando nisto, este estudo foi fundamentado sob a ótica motivacional de desenvolvimento de um protótipo de sistema de ponto eletrônico aplicado ao uso do sensor Kinect. Desta forma, tem-se como principal motivação, o atendimento a necessidade de desenvolvimento de um algoritmo de identificação e reconhecimento de faces para a marcação do ponto eletrônico dos funcionários de uma empresa. A implementação de um sistema de ponto eletrônico baseado nos padrões de identificação da face, favorecerá o processo de gestão de serviços permitindo a identificação de pessoas quanto a suas características, sendo um estímulo para o desenvolvimento de uma base centralizada de imagens de face, permitindo o registro de ponto de pessoas devidamente cadastradas no sistema a partir da identificação de imagens de sua face.
Com a implementação de um sistema de identificação facial de ponto eletrônico será possível tratar a validação do ponto eletrônico de um funcionário via reconhecimento de sua face. Em se tratando de empresas e de instituições de ensino, são geradas muitas solicitações de ocorrências com justificativas ao esquecimento da validação
1.4. Estrutura da Dissertação
Elaboração de um estudo para o desenvolvimento de um protótipo de detecção de face com base no modelo descrito por Viola e Jones (VIOLA & JONES, 2001; VIOLA & JONES, 2004). Este estudo promoverá a definição de estratégias para o desenvolvimento de recursos que possam mensurar as taxas de detecção de face com base no uso de ferramentas fornecidas pela biblioteca OpenCV, tendo consciência das limitações impostas pelas suas funções implementadas.
Esta dissertação esta dividida em 8 capítulos, da seguinte forma:
No Capítulo 1, são apresentados os módulos de inicialização do projeto baseado nos tópicos de introdução, problema, justificativa, objetivos e estrutura da dissertação. Na introdução é apresentado o contexto de cada um dos principais assuntos levantados pelo problema de detecção e reconhecimento de faces, a fim de contextualizar e fornecer informações necessárias para suporte ao conteúdo da pesquisa. Decorrentes ao módulo de introdução, foram apresentados os tópicos referentes a justificativa e objetivos.
No Capítulo 2, é dado início as reflexões descritas pelo referencial teórico utilizado de forma a nortear a base de sustentação desta pesquisa sob o ponto de vista conceitual. Este capítulo apresenta uma introdução à biometria e sua história, enfatizando as características que motivaram sua crescente relevância.
No Capítulo 3 é apresentado o modelo de detecção facial proposto por Viola e Jones (VIOLA & JONES, 2001; VIOLA & JONES, 2004), na qual, são apresentadas as três contribuições chave: introdução de uma representação de imagem chamada de "Imagem Integral" e o uso de características do tipo Haar ; um algoritmo de aprendizado " boosting " e uma estrutura chamada de "cascata de classificadores." para acelerar o processo de detecção de face. Ainda neste capítulo será apresentada a descrição do dispositivo Kinect , na qual, irá auxiliar na tarefa de detecção e reconhecimento de faces. Durante a descrição do dispositivo, serão feitas comparações entre diferentes hardwares de forma a compreender melhor suas capacidades. Ao final do capítulo, será apresentado algumas bibliotecas úteis para a implementação do projeto, com um foco especial nos algoritmos de detecção utilizados pela biblioteca Open Source Computer Vision (OpenCV).
No Capítulo 4 são apresentados os trabalhos relacionados ao uso do dispositivo kinect citando exemplos de sua aplicação em projetos acadêmicos e de pesquisas incluindo o reconhecimento de face.
No Capítulo 5 é descrita a metodologia do sistema, juntamente com as características de sua implementação seguido do arcabouço conceitual e o cronograma de implementação.
No Capítulo 6 serão realizados experimentos com base na aplicação desenvolvida testando suas capacidades a partir da realização de experimentos. Este capítulo descreve de que forma foram feitas as avaliações do sistema existente apresentando a base de imagens utilizada para a criação dos testes e citando as ferramentas que foram utilizadas.
