Detecção e reconhecimento facial por meio de aprendizado de máquina

Abstract

O objetivo deste trabalho foi desenvolver uma proposta de identificação facial utilizando aprendizado de máquina, por meio de técnicas de extração de características e redes neurais artificiais do tipo Perceptron de Múltiplas Camadas (MLP). A primeira etapa do trabalho tratou do estudo de composição das imagens: e como é possível extrair características faciais para construção de um banco de faces e seus respectivos atributos que serão utilizados para treinamento e teste da rede neural artificial. Buscando atingir este objetivo, o texto define conceitualmente uma rede neural e expõe as definições necessárias para o seu entendimento e aplicação no problema de identificação facial. Foram empregadas técnicas de detecção baseadas na integração dos pixels que compõem a imagem e uso de classificadores em cascata para obtenção da face pesquisada. Em função da grande dimensão dos dados gerados nesta etapa, o que consequentemente tornaria inviável o treinamento da rede MLP, considerou-se também o emprego da redução de dimensionalidade por meio de uma técnica que utiliza a Análise de Componentes Principais (PCA), a qual não trouxe perdas significativas de informação e tornou possíveis os ensaios contemplando treinamento e teste com centenas de faces. Após o ensaio com várias simulações com diversos fatores de compressão, obtivemos a média de acerto do classificador para cada índice de compressão de dados de entrada. Em suma, os índices de acerto obtidos demonstram que a rede adquiriu boa capacidade de generalização no teste com o conhecimento adquirido a partir das faces apresentadas no treinamento. Contudo, a estratégia proposta na detecção de face utilizando redes neurais artificiais apresentou razoáveis resultados, média de 70% de acerto, o que demonstra que possui aplicabilidade em problemas reais.