Análise da influência da iluminação e da oclusão na classificação de faces em imagens digitais

Abstract

Este trabalho consiste no estudo da dificuldade que os classificadores de padrões enfrentam na área da detecção de faces em imagens digitais quando testados em faces com condições de extrema iluminação em diversos ângulos de origem, o que consequentemente pode ocasionar um sombreamento na face. Como foi visto na literatura existente, a maioria dos experimentos realizados nesta área da detecção de faces se depara com problemas de iluminação, porém alguns dos autores propõem métodos para contornar o problema de forma inadequada. Sendo assim, veio a necessidade de avaliar o que já existe de mais eficiente na área e se alguma combinação de métodos de extração de característica junto com algum tipo de classificador contornaria essa necessidade. Foram analisados quatro métodos de extração de características: valores dos pixels da imagem, histogramas de cinza, análise de componente principal e padrões binários locais. Estes métodos foram combinados com dois tipos de classificadores: máquina de vetor de suporte e redes neurais artificiais. Os métodos foram extraídos das imagens de modo global e local de acordo com a característica de cada método. Para os testes foi usada uma base de imagens específicas, com variâncias no grau de iluminação. Após todos os experimentos realizados, foi aplicada a análise de variância entre os resultados, o que validou estatisticamente os experimentos. Com isso, foi possível ordenar em grau de importância quais os métodos mais eficazes para o problema de faces com iluminação. Dos métodos analisados, o Padrão Binário Local (LBP – Local Binary Patterns) dividindo a imagem em regiões com 3x3 pixels combinado com uma rede neural artificial como classificador obteve o melhor resultado geral.