- O documento apresenta uma monografia de qualificação sobre classificação facial utilizando descritores baseados em cores quantizadas pelo misturograma. O trabalho tem como objetivo principal classificar indivíduos entre três cores de pele diferentes utilizando imagens faciais quantizadas e redes neurais artificiais.
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Classificação Facial Utilizando Descritores Baseados em Cores Quantizadas pelo Misturograma
1. Monografia de Qualificação
Programa de Mestrado em Engenharia Elétrica
Escola de Engenharia de São Carlos –USP
Departamento de Engenharia Elétrica
Classificação Facial Utilizando
Descritores Baseados em Cores
Quantizadas pelo Misturograma
Autor: João Paulo Brognoni Casati
Orientação: Prof. Dr. Evandro Luis Linhari Rodrigues
São Carlos, 22 de maio de 2012.
3. Introdução
• Reconhecimento Facial
• Identificar e/ou Classificar indivíduos;
• Sistemas de segurança, robôs, entretenimento, entre outros;
• Utilização de informações de cores das imagens faciais;
• Classificação de Cor de Pele
• Utilizada em sistemas de reconhecimento facial como descritor
adicional, e em classificação de faces;
• Aplicação capaz de classificar o indivíduo em virtude da cor
predominante de pele.
4. Objetivos
• Principal
• Classificar indivíduos entre três diferentes cores de pele:
• Branca;
• Preta;
• Amarela.
• Para isto, são desenvolvidos dois experimentos:
• 1 – Reconhecimento Facial
• Utilizar imagens faciais com cores quantizadas.
• 2 – Classificação de Cor de Pele
• Separar indivíduos em 3 diferentes classes, de acordo com a cor
predominante de sua pele.
5. Fundamentação Teórica
• Aplicações CBIR (content-based image retrieval):
• Recuperação de imagens por meio de seu conteúdo;
• Extração de características de imagens com métodos
computacionais.
• Quantizadores de Cores
• Representação da imagem
em menos cores;
• Diminuição do espaço em
memória ocupado por
uma imagem;
6. Misturograma (fund. teórica)
• Metodologia de quantização de cores em imagens digitais;
• Baseado na arte, mistura de camadas de diferentes cores:
• 8 camadas com pesos distintos;
• Processamento pixel a pixel;
• Espaço de cores RGB;
• Reduz o número de cores para 8:
• Preto, azul, verde, ciano, vermelho, magenta, amarelo e branco.
9. Redes Neurais (fund. teórica)
• Modelos computacionais baseados no funcionamento do
cérebro humano;
• Utilizadas em diversos tipos de aplicação;
• Neste trabalho são utilizadas em reconhecimento de padrões.
10. Redes Neurais (fund. teórica)
• Redes Perceptron Multi-Camadas (PMC):
• É a arquitetura de redes neurais mais difundida;
• Pode conter diversos neurônios em diversas camadas;
• Algoritmo de treinamento Backpropagation.
11. Redes Neurais (fund. teórica)
• Redes RBF (Radial-Basis Funcion):
• Utilizada em aproximação de funções e reconhecimento de padrões;
• Possui apenas uma camada escondida;
• Treinamento 1ª Camada: k-means;
• Treinamento 2ª Camada: backpropagation;
• Separa o espaço amostral utilizando funções de base radial.
12. Trabalhos Relacionados (fund. teórica)
• Misturograma
• Quantização de cores de imagens faciais para aplicação CBIR;
• Segmentação de pele em imagens faciais;
• Geração de esboço da face para aplicação CBIR;
• Utilização do esboço em reconhecimento de retrato falado;
• Classificação de cor de pele (ROOMI et al., 2011)
13. Metodologia (Reconhecimento Facial)
• Quantização das imagens;
• Extração de características;
• Experimento: 3 diferentes abordagens:
• 1 – Utilização das 8 cores resultantes da quantização,
desenvolvida por Severino Jr. & Gonzaga (2005);
• 2 – Utilização de 7 cores resultantes;
• 3 – Utilização das 8 cores + esboço da imagem;
• Vetores de características: Histogramas de cores;
• Neste experimento é utilizado o Banco de Faces AR.
14. Metodologia (Reconhecimento Facial)
• São utilizadas imagens de 119 indivíduos distintos:
• 65 homens;
• 54 mulheres;
• Quatro classes de imagens do banco AR são utilizadas neste
experimento:
15. Metodologia (Reconhecimento Facial)
• Para cada abordagem:
• Uma das classes é armazenada no banco e as outras são
apresentadas como entrada;
• Processamento:
• As imagens são redimensionadas em 25% (124x144 pixels);
• Quantização pelo misturograma e extração do esboço;
• Medida de similaridade: distância euclidiana;
• A menor distância entre todas as imagens da classe é dada
como resultado da busca;
17. Metodologia (Classificação de Cor da Pele)
• Classificar indivíduos em 3 diferentes cores de pele
predominantes (ROOMI et al., 2011):
• Branca;
• Preta;
• Amarela.
• Banco de Faces FERET:
• Grande quantidade de imagens;
• 1208 indivíduos com diferentes cores de pele.
• Utilizando 112 imagens:
• 15 negróides, 15 mongolóides e 82 caucasianos;
• Classificação baseada nas cores quantizadas: Misturograma;
18. Metodologia (Classificação de Cor da Pele)
• Pré-Processamento:
• Redimensionamento: 25%;
• Suavização por filtro da média: máscara 3x3 pixels;
• Remoção de bordas;
• Imagem resultante: 94x74 pixels.
19. Metodologia (Classificação de Cor da Pele)
• Quantização e Segmentação
• A utilização do misturograma tem 2 objetivos:
• 1º - Quantizar as cores da imagem;
• 2º - Segmentar a área de pele;
21. Metodologia (Classificação de Cor da Pele)
• Segmentação da pele
• É baseada em diferentes camadas do misturograma:
• Cor 4 (vermelha) da camada 7 – C4,7;
• Cor 6 (amarela) da camada 7 – C6,7;
• Cor 7 (branca) da camada 7 – C7,7;
• Cor 7 (branca) da camada 6 – C7,6.
• Equação de detecção da pele:
• Vetor de Características:
• Histograma de Cores normalizado da área de pele quantizada
pelo misturograma;
23. Resultados Parciais (Rec. Facial)
• 1ª Abordagem (8 cores):
• Taxa máxima de acertos: C1 x C2 – 97,5%;
• Taxa mínima de acertos: C2 x C4 – 89,1 %.
• 2ª Abordagem (7 cores):
• Taxa máxima de acertos: C1 x C2 – 96,6%;
• Taxa mínima de acertos: C3 x C4 – 89,9 %.
• 3ª Abordagem (8 cores + 2 do esboço):
• Taxa máxima de acertos: C1 x C2 – 96,6%;
• Taxa mínima de acertos: C2 x C4 – 84,9 %.
24. Resultados Parciais (Rec. Facial)
Média de Acertos
92.70%
92.30%
93.00%
92.00%
91.00%
90.00%
88.10%
89.00% Média
88.00%
87.00%
86.00%
85.00%
1ª Abr. (8) 2ª Abr. (7) 3ª Abr. (10)
25. Resultados Parciais (Rec. Facial)
Variação Máxima dos Resultados
11.70%
12.00%
10.00% 8.40%
8.00% 6.70%
6.00% Variação max.
4.00%
2.00%
0.00%
1ª Abr. (8) 2ª Abr. (7) 3ª Abr. (10)
26. Resultados Parciais (Rec. Facial)
100.00%
90.00%
80.00%
70.00%
60.00%
50.00% Média
Variação max.
40.00%
30.00%
20.00%
10.00%
0.00%
1ª Abr. (8) 2ª Abr. (7) 3ª Abr. (10)
27. Conclusões Preliminares
• Experimento 1:
• A 2ª abordagem apresentou os melhores resultados;
• Histograma do esboço não é bom descritor de faces;
• As cores quantizadas pelo misturograma podem ser descritores
eficientes de imagens faciais;
• Experimento 2:
• O misturograma é eficiente para segmentação da pele;
• Cores de pele quantizadas diferem dependendo da cor da pele do
indivíduo;
• As camadas do misturograma permitem adequação para
segmentação da pele;
28. Próximas Etapas
• Aplicar detector de faces;
• Aumentar o banco de imagens;
• Normalização de canais de cores;
• Avançar na Revisão Bibliográfica: Classificação de Cor de Pele;
• Implementação de outras técnicas para comparação;
• Identificar características relevantes;
• CCV, BIC e Histogramas Locais;
• Classificar as faces utilizando RNA.