Instituto Federal de Educao Cincia e Tecnologia do Esprito Santo

DETECO DE FACES EM LOCAIS PBLICOS E COM

AGLOMERAO DE PESSOAS
Rodrigo Lopes Baioco1, Joo Marques Salomo2
1

IFES, Vitria, Coordenadoria de Engenharia Eltrica - Av. Vitria, Jucutuquara, 1729 - 29040-780 - Vitria - ES - baioquim@hotmail.com
IFES, Vitria, Coordenadoria de Engenharia Eltrica - Av. Vitria, Jucutuquara, 1729 - 29040-780 - Vitria - ES - salomao@ifes.edu.br

Resumo: Este trabalho visa mostrar alguns modos para deteco de faces em locais pblicos e com
aglomerao de pessoas, justificando a escolha de um modo especfico. Descreve ainda o modo
como feita a deteco e demarcao de faces em imagens estticas atravs do algoritmo
implementado. Em seguida apresenta diferentes modos de extrao de caractersticas faciais para
posterior comparao com um banco de dados e identificao da face detectada.
Palavras-chave: Deteco de faces, extrao de caractersticas faciais, identificao de faces

INTRODUO
RESULTADOS E DISCUSSO
Atualmente a demanda por sistemas capazes
de aumentar o nvel de segurana das
pessoas e de bens patrimoniais crescente. A
segurana pblica exige ainda, em processos
de investigaes criminais, o auxilio de
dispositivos
automticos
capazes
de
efetuarem a deteco, rastreamento e
identificao de faces em imagens com
aglomerado de pessoas.
Para deteco de faces existem algumas
tcnicas diferentes, como o uso dos
classificadores de Haar, um tipo de
transformada wavelet que foi proposta
inicialmente por Viola e Jones. Uma outra
tcnica se baseia na colorao da pele e sua
rea ocupada. Alguns mtodos so menos
utilizados, como o mtodo de casamento de
padres e o que utiliza redes neurais para
realizar o rastreamento.
Aps ser feita a deteco e demarcao da
face seguimos para a etapa de extrao das
caractersticas faciais, que podem ser
realizadas atravs dos classificadores de
Haar, ou atravs do casamento de padres
que pode ser feito por tcnicas de
reconhecimento de bordas como Sobel ou
operadores Laplacianos, ou ainda por meio da
aplicao de PCA. Atravs da extrao das
caractersticas faciais podemos fazer uma
comparao com as imagens individuais
presentes na base de dados, obtendo assim a
identificao das faces localizadas na imagem
original.

Os primeiros testes foram feitos utilizando

PCA. Que a analise dos componentes
principais da imagem, que consiste em reduzir
a dimensionalidade dos dados efetuando uma
anlise estatstica baseada na varincia, e na
redundncia presente dos dados. Aplicando o
algoritmo na base de dados AT&T obtivemos
uma taxa de acerto de 90%. So seis
indivduos, com dez fotos da face de cada um
deles.
J com a base de dados prpria,composta por
dez fotos de 5 indivduos, sem nenhum
tratamento, obtivemos acerto mdio de 40%.
Aplicando um filtro para clarear as imagens
obtivemos uma taxa de acerto de 70%.
Convertendo as imagens de .jpg para .tif
obtivemos uma taxa de acerto de 80%.
Para os testes feitos utilizando redes neurais
obtivemos resultados mais satisfatrios. A
primeira maneira observada foi aplicando,
diretamente sobre a base de dados, a rede
neural. A taxa de acerto foi de 40%. Para
melhorar a taxa de acerto submetemos as
imagens transformada wavelet (filtros de
Haar),
gerando
assim
as
matrizes
caractersticas de cada indivduo. Obtivemos
com isso uma taxa de acerto de 75%. Com a
equalizao do histograma das imagens a
taxa de acerto foi de 87%.

Figura 1. Deteco de Faces

Figura 2. Filtros de Haar

V Jornada de Iniciao Cientfica

III Jornada de Iniciao em Desenvolvimento Tecnolgico e Inovao

2010

diretamente sobre a base de dados, deve-se

realizar a extrao dos vetores caractersticos,
que resumem os dados contidos na imagem,
retornando uma matriz de dimenses mais
apropriadas. Existem outros mtodos de
identificao facial, mas que se mostraram
ineficazes na resoluo do problema proposto.

Figura 3. Rede Neural RBF

Para os testes utilizando Wavelet (filtro de

Haar) seguida de aplicao de uma Rede
Neural no houve variaes quando
modificamos a luminosidade das imagens,
ficando claro, assim que esse mtodo mais
robusto.
Outros trabalhos apresentam resultados
semelhantes. Draper chegou a 80% de acerto
utilizando o mtodo de reconhecimento de
faces por PCA, j Turk e Pentland alcanaram
resultados de at 96%. Para o mtodo que
utiliza
redes
neurais
encontramos,
freqentemente, trabalhos que fazem o
demonstrativo apenas da taxa de erro, como
o caso do proposto por Joo, Wu, Lu e Lye, que
chegou a uma taxa de erro de 1,9% para o
mtodo que utiliza wavelet seguida de uma
rede RBF.
Em resumo apresentamos o grfico a seguir,
onde mostramos os resultados obtidos em
nossos experimentos com nossa prpria base
de dados, e alguns dos resultados
pesquisados (trs ltimos).
100
90
80
70
60
50
40
30
20
10
0
PCA

As variveis externas tambm influenciam

bastante, observamos assim a importncia de
uma base de dados de boa qualidade, com
controle de iluminao e distncia focal. O
reconhecimento de indivduos pela face requer
um sistema bastante robusto, e ficaria invivel
trabalhar com esse tipo de sistema como
sendo
prioritrio
para
reconhecimento
individual. Outras formas de reconhecimento
biomtrico podem ser usadas anteriormente
para diminuir o conjunto de indivduos de
teste, tornando o reconhecimento facial mais
eficaz e rpido.
Agradecimentos
Ao orientador Doutor Joo Marques Salomo.
Coordenadoria de Engenharia Eltrica, ao
IFES, ao Projeto Nmesis e ao PIBIC.

REFERNCIAS
AT&T LABORATORIES CAMBRIDGE Face
Database, 2002, http://www.cl.cam.ac.uk/
research/dtg/attarchive/facedatabase.html
DRAPER, BRUCE A., BAEK, KYUNGIM AND
BARTLETT,
M.
STEWART
(2003),
Recognizing faces with PCA and ICA,
Computer Vision and Image Understanding,
91, p. 115-137.
JOO, MENG. WU, SHIQIAN. LU, JUWEI. LYE,
HOCK. Face recognition With Radial Basis
Function (RBF) Neural Networks. IEEE
Transactions on Neural Networks, Vol 13, NO
3, 2002, p. 697-710.

PCA + 20% Ilumination

Neural Network RBF without Wavelet
Neural Network RBF with Wavelet
NN RBF with Wavelet and Hist Eq
Draper PCA
Turk and Pentland PCA
Joo, Wu, Lu and Lye RBF

Figura 4. Testes de Validao - Resumo Comparativo

CONCLUSO
Os melhores resultados so alcanados
utilizando-se redes neurais. Inevitavelmente,
o mtodo de maior custo computacional, tanto
na fase de treinamento, quanto na fase de
validao. Tambm no se pode aplicar a rede

PENTLAND A. AND TURK M. Face

Recognition Using Eigenfaces. In Proc. IEEE
CONF. ON COMPUTER VISION AND
PATTERN RECOGNITION, 1991.
SALOMO, J. M., Implementao de
Mtodos Biomtricos Bi-modais Baseados
na
Fuso
de
Caractersticas
para
Reconhecimento de Indivduos, Tese de
Doutorado, UFES, Vitria-ES, 2007.
VIOLA, P. E JONES, M. Rapid Object
Detection using a Boosted Cascade of Simple
Features, CONFERENCE ON COMPUTER
VISION AND PATTERN RECOGNITION,
2001.