Reconhecimento facial com técnicas de machine learning

Rozar, Jéssyca Luiz; Francisco, Antonio Marcos

Reconhecimento facial com técnicas de machine learning

dc.contributor.advisor	Morales, Aran Bey Tcholakian
dc.contributor.author	Rozar, Jéssyca Luiz
dc.contributor.author	Francisco, Antonio Marcos
dc.coverage.spatial	Palhoça	pt_BR
dc.date.accessioned	2020-07-31T12:53:03Z
dc.date.accessioned	2020-11-29T05:57:54Z
dc.date.available	2020-07-31T12:53:03Z
dc.date.available	2020-11-29T05:57:54Z
dc.date.issued	2020	pt_BR
dc.description.abstract	For human beings to recognize people's faces by certain facial features is a natural skill. However, implementing facial recognition capabilities on machines is not an easy task. The machine language, known as machine learning, for facial recognition involves many mathematical calculations and requires great processing power. With the evolution of algorithms and the increase in the processing capacity of computers, the development of machines equipped with facial recognition technology is already possible. This technology is currently being used in several sectors, such as security, health, government sectors and others. Thus, the present work aims to carry out a broader study on the functioning of machine learning. It will also be discussed the functioning of artificial neural networks, a technique developed to simulate the functioning of the human neural network itself. Finally, a comparison of facial recognition algorithms provided by the openCV library will be presented. In order to evaluate the performance between the Eigenface, Fisherface and LBPH algorithms, it was necessary to develop a Python application with the ability to identify faces using global representations of the facial image.	en
dc.description.abstract	Para o ser humano reconhecer o rosto de pessoas por determinadas características faciais é uma habilidade natural. Porém, implementar a capacidade de reconhecimento facial em máquinas não é uma tarefa fácil. A linguagem de máquinas, conhecida como machine learning, para reconhecimento facial envolve muitos cálculos matemáticos e exige grande poder de processamento. Com a evolução dos algoritmos e o aumento da capacidade de processamento dos computadores o desenvolvimento de máquinas dotados de tecnologia de reconhecimento facial já é possível. Atualmente esta tecnologia está sendo utilizada em diversos setores, como segurança, saúde, setores governamentais entre outros. Assim, o presente trabalha visa realizar um estudo mais amplo sobre o funcionamento de machine learning. Será abordado também o funcionamento das redes neurais artificiais, técnica desenvolvida para simular o funcionamento da própria rede neural humana. Por fim, será apresentado um comparativo de algoritmos de reconhecimento facial disponibilizados pela biblioteca openCV. Para fins de avaliação do desempenho entre os algoritmos Eigenface, Fisherface e LBPH foi necessário o desenvolvimento de uma aplicação em Python com a capacidade de identificar faces utilizando representações globais da imagem facial.	pt_BR
dc.format.extent	46 f	pt_BR
dc.identifier.uri	https://repositorio.animaeducacao.com.br/handle/ANIMA/11061
dc.language.iso	pt_BR	pt_BR
dc.relation.ispartof	Sistemas de Informação - Pedra Branca	pt_BR
dc.rights	Attribution-NonCommercial-NoDerivs 3.0 Brazil	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/br/	*
dc.subject	Inteligência artificial	pt_BR
dc.subject	Aprendizado de máquina	pt_BR
dc.subject	Redes neurais	pt_BR
dc.subject	OpenCV	pt_BR
dc.title	Reconhecimento facial com técnicas de machine learning	pt_BR
dc.title.alternative	Facial recognition with machine learning techniques	pt_BR
dc.type	Monografia	pt_BR
local.author.curso	Sistemas de Informação	pt_BR
local.author.unidade	UNISUL / Pedra Branca	pt_BR
local.rights.policy	Acesso aberto	pt_BR
local.subject.area	Ciências Exatas e da Terra	pt_BR
local.subject.areaanima	TI & Computação	pt_BR