Universidade regional de blumenau



Baixar 233.99 Kb.
Página1/7
Encontro16.04.2019
Tamanho233.99 Kb.
  1   2   3   4   5   6   7


UNIVERSIDADE REGIONAL DE BLUMENAU

CENTRO DE CIÊNCIAS EXATAS E NATURAIS

CURsO DE CIÊNCIA DA COMPUTAÇÃO – BACHARELADO

RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS

LUCIANO PAMPLONA SOBRINHO

bLUMENAU

2010

2010/1-15

LUCIANO PAMPLONA SOBRINHO

RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS

Trabalho de Conclusão de Curso submetido à Universidade Regional de Blumenau para a obtenção dos créditos na disciplina Trabalho de Conclusão de Curso II do curso de Ciência da Computação — Bacharelado.

Prof. Paulo Cesar Rodacki Gomes, Doutor - Orientador


bLUMENAU

2010

2010/1-15

RECONHECIMENTO FACIAL 2D PARA SISTEMAS DE AUTENTICAÇÃO EM DISPOSITIVOS MÓVEIS

Por


LUCIANO PAMPLONA SOBRINHO

Trabalho aprovado para obtenção dos créditos na disciplina de Trabalho de Conclusão de Curso II, pela banca examinadora formada por:



______________________________________________________

Presidente: Prof. Paulo Cesar Rodacki Gomes, Doutor – Orientador, FURB



______________________________________________________

Membro: Prof. Dalton Solano dos Reis, Mestre – FURB



______________________________________________________

Membro: Prof. Francisco Adell Péricas, Mestre – FURB



Blumenau, 01 de julho de 2010

Dedico este trabalho ao meu pai, irmãos namorada e a todos os amigos, especialmente aqueles que me ajudaram diretamente na realização deste.

AGRADECIMENTOS

Ao meu pai, por sempre acreditar na minha capacidade e investir no meu potencial.

Ao meu irmão, Maurício, por todo o constante apoio e esclarecimento de dúvidas em relação ao desenvolvimento da aplicação.

À minha namorada, pela motivação e compreensão nas horas difíceis.

Ao meu orientador, Paulo César Rodacki Gomes, por abraçar a idéia deste trabalho e pela orientação durante o desenvolvimento.

Aos voluntários, por disponibilizarem seu tempo e imagens para os testes presentes neste projeto.

Defeitos não fazem mal, quando há vontade e poder de os corrigir.

Machado de Assis



RESUMO

Neste trabalho são apresentados meios para apresentar uma forma de efetuar todo o processamento de um reconhecimento facial em um dispositivo móvel. Utilizou-se um iPhone para representar os dispositivos móveis de modo que em tempo real seja possível detectar e reconhecer um indivíduo. É utilizada uma compilação específica da biblioteca OpenCV para o sistema operacional do aparelho para atender ao objetivo proposto no presente trabalho. São utilizadas também técnicas de processamento de imagens e visão computacional para detecção, normalização e reconhecimento biométrico da face. A utilização desta biblioteca e técnicas possibilitaram desenvolver um estudo para verificar a taxa de acerto em relação à variação do ambiente de captura, por exemplo, diferentes rostos, diferentes poses e diferentes condições de iluminação. Observou-se que mesmo variando situações de iluminação e poses na captura das fotos dos rostos é possível atingir uma boa taxa de acerto no reconhecimento facial.

Palavras-chave: Reconhecimento facial. Dispositivos móveis. iPhone. Processamento de imagens. Visão computacional.

ABSTRACT

This work shows ways to present a way to make all the processing of a facial recognition on a mobile device. It was used iPhone to represent mobile devices so that real time is possible to detect and recognize an individual. It use a specific build of the library OpenCV for the operating system of the device to meet the proposed goal of this work. They are also used techniques of image processing and computer vision for detection, biometric recognition and normalization of the face. Using this library and develop techniques allowed a study to verify the accuracy rate on the variation of the capture environment, for example, different faces, different poses and different lighting conditions. It was observed that even varying lighting situations and poses to capture photos of faces is possible to achieve a good hit rate in face recognition.



Key-words: Face recognition. Mobile devices. iPhone. Image processing. Computer vision.
LISTA DE ilustrações

Figura 1 – Exemplos de (a) íris, (b) retina, (c) impressão digital, (d) voz, (e) face, (f) geometria da mão, e (g) forma de andar 17

Figura 1 – Exemplos de (a) íris, (b) retina, (c) impressão digital, (d) voz, (e) face, (f) geometria da mão, e (g) forma de andar 17

Quadro 1 – Avaliação de características biométricas 18

Figura 2 – Exemplos de normalização de iluminação: faces originas (a)-(d) e seus respectivos resultados da normalização de iluminação (e)-(h) 20

Figura 3 – Exemplos de detecção e normalização de pose: imagens originais (a)-(d), suas respectivas detecções facial (e)-(h) e seus respectivos resultados para a normalização de pose e escala (i)-(l). 21

Figura 4 – Exemplos de imagens adquiridas com o iPhone 23

Figura 5 – iPhone 24

Figura 6 – Face Match 26

Figura 7 – iFace 27

Figura 8 – Detecção e Reconhecimento Facial em Seqüências de Vídeo 28

Figura 9 - Diagrama de casos de uso 30

Quadro 2 – Caso de uso inicia cadastro usuário 30

Quadro 3 – Caso de uso inicia reconhecimento usuário 31

Figura 10 – Diagrama de Classes 32

Figura 11 – Diagrama de Seqüência. 34

Figura 12 – Exemplos do resultado da detecção facial em imagens do iPhone 36

Figura 13 – Exemplos da correção da inclinação de uma face detectada 37

Quadro 4 – Trecho do código fonte do método opencvFaceDetect para detectar face 38

Quadro 5 – Código fonte do método interpolaFace 39

Figura 14 – Resultados da normalização da escala e da posição da face 39

Quadro 6 – Código fonte do método normalizaImagem 41

Figura 15 – Resultados da normalização de iluminação 41

Figura 15 – (a) Conjunto de autofaces e (b) representação de uma face através das autofaces em (a) 42

Quadro 7 – Equação para definição de pesos 42

Quadro 8 – Equação para reconstrução da face 43

Quadro 9 – Equação para calcular erro da reconstrução 43

Figura 17 – Tela menu inicial 44

Figura 18 – (a) Tela cadastrar usuário (b) Tela Selecionar Foto (c) Foto selecionada 45

Figura 19 – (a) Tela reconhecer usuário (b) Tela selecionar foto (c) Tela Foto selecionada 46

Figura 20 – Base de imagens de face do iPhone 47

Figura 21 – Resultados da detecção facial 48

Figura 22 – Resultados da normalização facial 49

Figura 23 – Exemplos de normalização facial incorreta 49


LISTA DE SIGLAS

3GS – 3G Speed

DARPA – Defense Advanced Research Projects Agency

NIST – National Institute of Standarts and Technology

OpenCV – Open Computer Vision library

SUMÁRIO


1 Introdução 14

1.1 OBJETIVOS DO TRABALHO 15

1.2 estrutura do trabalho 15

2 FUNDAMENTAÇÃO TEÓRICA 16

2.1 RECONHECIMENTO BIOMÉTRICO 16

Fonte: http://www.google.com.br/imghp?hl=pt-BR&tab=wi. 17

Figura 1 – Exemplos de (a) íris, (b) retina, (c) impressão digital, (d) voz, (e) face, (f) geometria da mão, e (g) forma de andar 17

Quadro 1 – Avaliação de características biométricas 18

2.1.1 Sistemas de Reconhecimento Facial 2D 18

2.2 Processamento de Imagens 19

Fonte: http://www.google.com.br/imghp?hl=pt-BR&tab=wi. 20

Figura 2 – Exemplos de normalização de iluminação: faces originas (a)-(d) e seus respectivos resultados da normalização de iluminação (e)-(h) 20

2.3 Visão Computacional 20

Fonte: http://www.google.com.br/imghp?hl=pt-BR&tab=wi. 21

Figura 3 – Exemplos de detecção e normalização de pose: imagens originais (a)-(d), suas respectivas detecções facial (e)-(h) e seus respectivos resultados para a normalização de pose e escala (i)-(l). 21

2.4 Reconhecimento Facial 2D 22

2.4.1 Aquisição 22

Figura 4 – Exemplos de imagens adquiridas com o iPhone 23

2.4.2 Pré-processamento 23

2.4.3 Correspondência e Avaliação 23

2.5 iPhone 24

Figura 5 – iPhone 24

2.6 Trabalhos Correlatos 25

2.6.1 Face Match 25

Figura 6 – Face Match 26

2.6.2 iFace 26

Figura 7 – iFace 27

2.6.3 Detecção e Reconhecimento Facial em Seqüências de Vídeo 27

Figura 8 – Detecção e Reconhecimento Facial em Seqüências de Vídeo 28



3 DESENVOLVIMENTO 29

3.1 requisitos principais do problema a ser trabalhado 29

3.2 ESPECIFICAÇÃO 29

3.2.1 Diagrama de casos de uso 30

Figura 9 - Diagrama de casos de uso 30

Quadro 2 – Caso de uso inicia cadastro usuário 30

Quadro 3 – Caso de uso inicia reconhecimento usuário 31

3.2.2 Diagrama de classes 31

Figura 10 – Diagrama de Classes 32

3.2.2.1 Classe ProjetoAppDelegates 32

3.2.2.2 Classe ProjetoViewController 33

3.2.2.3 Classe ReconhecerViewController 33

3.2.2.4 Classe BuscarFotoViewController 33

3.2.3 Diagrama de seqüência 33

Figura 11 – Diagrama de Seqüência. 34

3.3 IMPLEMENTAÇÃO 34

3.3.1 Técnicas e ferramentas utilizadas 34

3.3.1.1 Detecção Facial 35

Figura 12 – Exemplos do resultado da detecção facial em imagens do iPhone 36

3.3.1.2 Normalização de Pose e de Escala 36

Figura 13 – Exemplos da correção da inclinação de uma face detectada 37

Quadro 4 – Trecho do código fonte do método opencvFaceDetect para detectar face 38

Quadro 5 – Código fonte do método interpolaFace 39

Figura 14 – Resultados da normalização da escala e da posição da face 39

3.3.1.3 Normalização de Iluminação 39

Quadro 6 – Código fonte do método normalizaImagem 41

Figura 15 – Resultados da normalização de iluminação 41

3.3.1.4 Correspondência e Avaliação 41

Figura 15 – (a) Conjunto de autofaces e (b) representação de uma face através das autofaces em (a) 42

Quadro 7 – Equação para definição de pesos 42

Quadro 8 – Equação para reconstrução da face 43

Quadro 9 – Equação para calcular erro da reconstrução 43

3.3.2 Operacionalidade da implementação 43

3.3.2.1 Escolhendo a funcionalidade inicial 43

Figura 17 – Tela menu inicial 44

3.3.2.2 Cadastrando um novo usuário 44

Figura 18 – (a) Tela cadastrar usuário (b) Tela Selecionar Foto (c) Foto selecionada 45

3.3.2.3 Reconhecendo um usuário cadastrado 45

Figura 19 – (a) Tela reconhecer usuário (b) Tela selecionar foto (c) Tela Foto selecionada 46

3.4 RESULTADOS E DISCUSSÃO 46

3.4.1 Base de Dados 46

Figura 20 – Base de imagens de face do iPhone 47

3.4.2 Detecção Facial 47

Figura 21 – Resultados da detecção facial 48

3.4.3 Normalização Facial 48

Figura 22 – Resultados da normalização facial 49

Figura 23 – Exemplos de normalização facial incorreta 49

3.4.4 Reconhecimento Facial 49

Tabela 1 – Erros de reconstrução obtidos para imagens do indivíduo utilizado no treino e demais indivíduos. 50

4 CONCLUSÕES 51

4.1 EXTENSÕES 51

Referências bibliográficas 53




  1   2   3   4   5   6   7


©aneste.org 2017
enviar mensagem

    Página principal