Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9623
Título: Representação esparsa e modelo de esparsidade conjunta no reconhecimento de faces
Autor(es): Inaba, Fernando Kentaro
Orientador: Salles, Evandro Ottoni Teatini
Palavras-chave: Representação Esparsa
Modelo de Esparsidade Conjunta
Data do documento: 11-Jun-2012
Editor: Universidade Federal do Espírito Santo
Resumo: O trabalho desenvolvido nesta dissertação propõe a utilização do modelo de esparsidade conjunta com complemento de matrizes (JSM-MC) para composição da base de treino no contexto de reconhecimento de faces utilizando o classificador baseado em representação esparsa (SRC). O método proposto visa trabalhar com imagens de faces em diferentes condições de iluminação e oclusão na base de teste e treino. Para oclusões nas imagens de teste, um modelo diferenciado é considerado para abordar o problema. Uma etapa de pré-processamento nas imagens de faces é realizada no intuito de reduzir os efeitos das variações de iluminações presentes nas imagens. Um agrupamento das imagens de treino é realizado visando um menor tempo de processamento. Além disso, uma proposta de modificação no algoritmo SRC é feita de forma a explorar a esparsidade dos coeficientes de representação esparsa. Ao final, os resultados são avaliados usando uma base de dados sujeita a variação de iluminação. Oclusões artificiais são inseridas a fim de investigar o desempenho do sistema nessas condições.
This work proposes the usage of a Joint Sparsity Model with Matrix Completion (JSM-MC) for the composition of training set in the context of face recognition using the Sparse Representation-based Classifier (SRC). The proposed work aims to deal with face images in different illumination conditions and occlusions in the test and training set. For occlusions in the test set, an extended version of the algorithm is done to take into account occlusions in the optimization model. A pre-processing step is performed in the face images to reduce the effects of illumination change. A clustering of training images is done to reduce the processing time and a modification in the SRC algorithm is done to explore the sparsity of the sparse representation coefficients. The results are evaluated using a database with different illumination conditions. Artificial occlusions are inserted in the face images to investigate the behavior of the system in those conditions.
URI: http://repositorio.ufes.br/handle/10/9623
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_4711_DissKentaro.pdf6.06 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.