Você está aqui: Página Inicial curitiba Estrutura do Câmpus Diretorias Diretoria de Pesquisa e Pós-Graduação Mestrado e Doutorado CPGEI Edital de Defesas 2013 CPGEI (Doutorado) Chidambaram Chidambaram-28/06/13

CPGEI (Doutorado) Chidambaram Chidambaram-28/06/13

Defesa Pública de Mestrado do Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
Quando 28/06/2013
das 13h30 até 17h30
Onde Sala B205
Nome do Contato Prof. Heitor Silvério Lopes
Participantes Prof. Heitor Silvério Lopes, Dr. Orientador - UTFPR
Prof. Hugo Vieira Neto, Dr. Co-orientador - UTFPR
Banca examinadora:
Prof. Hugo Vieira Neto, Dr. Presidente - UTFPR
Prof.Carlos Eduardo Thomaz, Dr. - FEI/SP
Prof. Luis Antônio Pereira Neves , Dr. - UFPR
Prof. Gustavo Benvenutti Borba , Dr. - UTFPR
Prof.Leyza Dorini, Dr. - UTFPR
Prof. Heitor Silvério Lopes, Dr. Examinador Suplente - UTFPR
Adicionar evento ao calendário vCal
iCal

Uma contribuição para o Reconhecimento de Faces Únicas e Múltiplas Utilizando Abordagens Baseadas em Características

Resumo: Entre sistemas de reconhecimento biométricos, a biométrica de face sempre exerce um papel importante nas atividades de pesquisa e nas aplicações de segurança, pois a face pode ser obtida sem conhecimento prévio de um indivíduo. Atualmente, uma grande quantidade de imagens digitais e seqüências de vídeo têm sido adquiridas principalmente nas condições não-controladas, freqüentemente com ruídos, borrão, oclusão e variação de na escala e iluminação. Por esses problemas, o reconhecimento facial (RF) é ainda considerado uma área de pesquisa ativa e uma tarefa desafiadora. Neste contexto, o reconhecimento de faces nas imagens com um fundo complexo e na base de imagens faciais têm sido umas aplicações de sucesso na Visão Computacional. Portanto, o principal foco deste trabalho é reconhecer uma ou mais faces nas imagens estáticas com faces múltiplas e uma face de base de faces únicas obtidas sob condições diferentes. Para trabalhar com faces múltiplas, uma abordagem não supervisionada foi proposta baseada no poder de características locais de invariantes e discriminativas. A extração de características (EC) locais é feita utilizando-se do SURF (Speeded-Up Robust Features). A busca por regiões nas quais características ótimas podem ser extraídas é atendida por o algoritmo ABC. Para explorar totalmente a abordagem proposta, uma ampla análise experimental foi realizada usando aproximadamente 100 imagens estáticas. Os resultados obtidos mostram que esta abordagem é robusta e eficiente para aplicações de RF exceto para faces com iluminação não-uniforme. Na literatura, muitos trabalhos de RF são baseados na extração de somente uma característica e nas abordagens de aprendizagem de máquina. Além disso, as abordagens existentes de EC usam características globais e/ou locais. Par obter características relevantes e complementares, a metodologia de RF deve considerar também as características heterogêneos e semi-globais. Portanto, a abordagem hierárquica de RF é proposta baseada na EC como globais, semi-globais e locais. As globais e semi-globais são extraídas utilizando-se do CA (Color Angles) e EHD (Edge Histogram Descriptors) enquanto somente características locais são extraídas utilizando-se do SURF. Uma ampla análise experimental foi feita utilizando os três métodos individualmente, seguido por um esquema hierárquico de 3-estágios usando imagens faciais obtidas sob duas condições diferentes de iluminação com expressão facial e uma variação escala leve. Além disso, para CA e EHD, o desempenho da abordagem foi também analisado combinando-se de características globais, semi-globais e locais. A abordagem proposta alcança uma taxa de reconhecimento alta com as imagens de todas as condições testadas neste trabalho. Ainda mais, os resultados enfatizam a influencia das características locais e semi-globais no desempenho do reconhecimento. Em ambas as abordagens, tanto nas faces únicas quanto nas faces múltiplas, a conquista principal é o alto desempenho obtido somente com a capacidade discriminativa de características sem nenhum esquema de treinamento.
Palavras-chave:
Reconhecimento Não-Supervisionado, Algoritmo ABC, Extração de características, Características Semi-globais, Reconhecimento Hierárquico, Variação de Iluminação

A Contribution for Single and Multiple Faces Recognition Using Feature-based approaches

Abstract: Among biometric recognition systems, face biometrics also plays an important role in research activities and security applications since it can be acquired without any knowledge of individuals. Nowadays a huge amount of digital images and video sequences have been acquired mainly from uncontrolled conditions, frequently including noise, blur, occlusion and variation on scale and illumination. Because of these issues, face recognition (FR) is still an active research area and becomes a complex problem and a challenging task. In this context, nowadays, recognition of faces in digital images with complex background and database of face images have become one of the successful applications of Computer Vision. Hence, the main goal of this work is to recognize one or more faces from still images with multiple faces and from a database of single faces obtained under different conditions. To work with multiple face images under varying conditions, an unsupervised approach proposed based on the invariant and discriminative power of local features. The extraction of local features is done using Speeded-Up Robust Features (SURF). The searching for regions from which optimal features can be extracted is fulfilled by an improved ABC algorithm. To fully exploit the proposed approach, an extensive experimental analysis was conducted using around 100 different still images. Results show that this approach is robust and efficient for face recognition applications except for faces with non-uniform illumination. In the literature, a significant number of single FR researches are based on extraction of only one feature and machine learning approaches. Besides, existing feature extraction approaches broadly use either global and/or local features. To obtain relevant and complementary features from face images, a face recognition methodology should consider heterogenous features and semi-global features. Therefore, an novel hierarchical unsupervised FR approach is proposed based on extraction of global, semi-global and local heterogenous features. Global and semi-global features are extracted using Color Angles (CA) and edge histogram descriptors (EHD) meanwhile only local features are extracted using SURF. An extensive experimental analysis using the 3 feature extraction methods was done first individually followed by a 3-stage hierarchical scheme using the face images obtained under two different lighting conditions with facial expression and slight scale variation. Furthermore, the performance of the approach is also analyzed using global, semi-global and local features combinations for CA and EHD. The proposed approach achieves high recognition rate considering all image conditions tested in this work. In addition to this, the results emphasize the influence of local and semi-global features in the recognition performance. In both, single face and multiple faces approaches, the main achievement is the high performance obtained only from the discriminative capacity of extracted features without any training schemes.
Keywords: Unsupervised Recognition, ABC algorithm, Feature Extraction, Semi-Global Features, Hierarchical Recognition, Illumination Variation

Lista de publicações:
CHIDAMBARAM, C.; LOPES, H. S. A New Approach for Template Matching in Digital Images Using an Artificial Bee Colony Algorithm.” In: World Congress on Nature and Biologically Inspired Computing (Nabic09), Coimbatore, India. Proceedings of NABIC 2009. Piscataway: IEEE Computer, v. 1. p. 146-151, 2009.

CHIDAMBARAM, C.; LOPES, H. S. An improved artificial bee colony algorithm for the object recognition problem in complex digital images using template matching. International Journal of Natural Computing Research (IJNCR), v. 1, n. 2, p. 54–70, 2010.

PRODOSSIMO, F.C.; CHIDAMBARAM, C.; LOPES, H.S. Otimização da detecção de olhos em imagens faciais utilizando os algoritmos colônia de abelhas artificiais e harmony search, X Congresso Brasileiro de Inteligência Computacional (CBIC’2011), 8 a 11 de Novembro de 2011, Fortaleza, Ceará, 2011.

CHIDAMBARAM, C.; MARÇAL, M. S.; DORINI, L. B.; H. VIEIRA NETO, AND LOPES, H. S. A comparison of histogram and template matching for face verification. Goiânia, Goiás. In: VIII Workshop de Visão Computacional (WVC2012), 2012.

PRODOSSIMO, F.C.; CHIDAMBARAM, C. AND LOPES, H.S. Proposta de uma metodologia para a construção de um banco de imagens faciais normalizadas. In: VIII Workshop de Visão Computacional (WVC2012), Goiânia , Goiás, 2012.

CHIDAMBARAM, C.; DORINI, L. B.; H. VIEIRA NETO, AND LOPES, H. S. An Integrated Approach for Face Recognition: Face Identification using Improved ABC and SURF” no International Computer Vision Summer School 2012 (ICVSS2012) na Sicília, Itália, 15 a 21 de julho de 2012.

CHIDAMBARAM, C.; MARÇAL, M. S.; DORINI, L. B.; H. VIEIRA NETO, AND LOPES, H. S. An improved ABC algorithm approach using surf for face identification. International Conference on Intelligent Data Engineering and Automated Learning (IDEAL 2012), In: Lecture Notes in Computer Science, volume 7435, pages 143–150. Springer Berlin Heidelberg, Natal-RN, 2012.

CHIDAMBARAM, C., LOPES, H. S., AND VIEIRA NETO, H. Global, Semi-Global and Local Color Angular Features for Unsupervised Face Recognition. In: IX Workshop de Visão Computacional (WVC2013), Rio de Janeiro, 2013.

PRODOSSIMO, F.C.; CHIDAMBARAM, C. AND LOPES, H.S.. Eye detection Approaches based on AdaBoost and SVM algorithms. In: IX Workshop de Visão Computacional (WVC2013), Rio de Janeiro, 2013.

Ações do documento

registrado em: