Análise de técnicas de pré-processamento de imagem para reconhecimento facial baseada em VGG Faces e Ball tree

• Jeanderson de Sousa Gomes UFPI
• Flavio H. D. Araujo UFPI

DOI: https://doi.org/10.5753/enucompi.2021.17764

Resumo

Nos últimos anos o reconhecimento facial se tornou amplamente presente em diversos dispositivos e sistemas. No entanto, apesar de sua praticidade, o desempenho do reconhecimento facial é afetado por fatores como variação de iluminação, pose, expressão facial e qualidade da câmera que realiza a captura. Sendo assim, é necessário o uso de técnicas de pré-processamento de imagens para o tratamento destes problemas. Com isso, neste artigo é realizado um estudo comparativo de 6 métodos de pré-processamento (escala de cinza, filtro gaussiano, filtro da mediana, filtro linear, equalização de histograma e transformação logarítmica). Os testes foram feitos utilizando o descritor VGG Faces, e Ball tree como método de reconhecimento. Além das bases em sua forma original, cada base foi modificada adicionando ruídos artificiais, o que proporcionou novos testes que permitiram investigar a influência de cada técnica de pré-processamento em relação ao ruído presente nas imagens. Os experimentos sugerem que o uso do filtro da mediana produz melhores resultados em imagens com ruídos tipo Sal e Pimenta.

Referências

AT&T (2002). The at&t database of faces. https://www.kaggle.com/kasikrit/att-database-of-faces. Acesso em: 09/01/2021.

Bah, S. M. and Ming, F. (2020). An improved face recognition algorithm and its application in attendance management system. Array, 5:100014.

de Oliveira Junior, L. L. and Thomaz, C. E. (2006). Fei face database. https://fei.edu.br/~cet/facedatabase.html. Acesso em: 09/03/2021.

Han, H., Shan, S., Chen, X., and Gao, W. (2013). A comparative study on illumination preprocessing in face recognition. Pattern Recognition, 46(6):1691–1699.

Jain, R. (1995). Machine Vision. McGraw-Hill.

Jesus, E. O. and Jr, R. C. (2015). A utilização de filtros gaussianos na análise de imagens digitais. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics, 3.

Kim, J.-Y., Kim, L.-S., and Hwang, S.-H. (2001). An advanced contrast enhancement using partially overlapped sub-block histogram equalization. IEEE Transactions on Circuits and Systems for Video Technology, 11(4):475–484.

Lee, H., Park, S.-H., Yoo, J.-H., Jung, S.-H., and Huh, J.-H. (2020). Face recognition at a distance for a stand-alone access control system. Sensors, 20(3).

Luo, M., Cao, J., Ma, X., Zhang, X., and He, R. (2021). Fa-gan: Face augmentation gan for deformation-invariant face recognition. IEEE Transactions on Information Forensics and Security, 16:2341–2355.

NLPR-CBSR (2020). Casia-webface cropped. [link]. Acesso em: 09/03/2021.

Parkhi, O. M., Vedaldi, A., and Zisserman, A. (2015). Deep face recognition. British Machine Vision Association.

Savvides, M. and Kumar, B. V. (2003). Illumination normalization using logarithm transforms for face authentication. In Kittler, J. and Nixon, M. S., editors, Audio-and-Video-Based Biometric Person Authentication, pages 549–556, Berlin, Heidelberg. Springer Berlin Heidelberg.

UWA (2013). Uwa hyperspectral face database. [link]. Acesso em: 09/03/2021.