Detecção e reconhecimento de faces distorcidas por artefatos de compressão

Abstract

Os sistemas de reconhecimento de faces permitem diversas aplicações, tais como controle de acesso, identificação biométrica, vigilância, entre outros. No entanto, muitas vezes as imagens/vídeos sofrem distorções devido ao processo de compressão, que pode estar presente nos processos de captura, armazenamento e transmissão das imagens/vídeos das faces. Nesta dissertação, é apresentado um estudo sobre a resiliência dos detectores e reconhecedores faciais perante faces distorcidas por artefatos de compressão. São uti lizados os seguintes padrões de compressão de imagens/vídeos: JPEG, JPEG2000, H.264/AVC e HEVC. O método Viola-Jones é utilizado para a detecção de face. É um método am plamente utilizado para a detecção de objectos em tempo real, incluindo as faces. A fase de treinamento é lento, mas a fase de detecção é muito rápido. Para reconhecimento de faces, são estudados dois algoritmos: o LBP (Local Binary Pattern) e o PCA (Principal Component Analysis). Tais métodos foram selecionados considerando os princípios de funcionamento. O primeiro é uma trans formação linear, enquanto que o segundo é um método desenvolvido para análise de texturas. São utilizadas duas variações existentes do método Viola-Jones, denominadas Face e Upper-Body para a detecção facial, e quatro variações existente do LBP para reconhecimento facial. Este trabalho propõe uma combinação das versões do detector Viola-Jones, Face e Upper-Body, visando mitigar a ocorrência de falsos-positivos. Uma outra pequena contribuição desta dissertação é o uso de sequências de imagens (vídeos), originais e codificadas, além do uso dos tradicionais bancos de faces para a detecção e reconhecimento facial. Os resultados mostram que, para codificação de imagens/vídeos, os melhores resultados para a detecção de faces são obtidos utilizando o detector que combina duas variações do métodos Viola-Jones. Já a taxa de desempenho do LBP em relação ao PCA foi bem maior, uma vez que o LBP é mais robusto às alterações impostas pelos artefatos de codificação, uma vez que efetua a análise de texturas das imagens.