Estudo e implementação de técnicas de detecção de faces em imagens

Abstract

Detecção de faces é um grande desafio no campo da visão computacional, principalmente devido ao gran - de número de variações resultantes de mudanças na própria face, na luz e nas expressões. Este estudo aborda as principais métodos de detecção de faces, implementa-os, e realiza simulações com imagens es - táticas e vídeo. Os métodos estudados foram organizados em categorias de acordo com a seguinte classifi - cação encontrada na literatura: conhecimento prévio, características invariantes, modelos ( templates) e baseados na aparência. O método de conhecimento prévio usa regras da biologia humana para modelar características, tais como: a simetria dos olhos, o nariz no meio da face, e a boca logo abaixo do nariz. Esta técnica pode ser baseada aplicada em etapas. Por exemplo, na primeira utiliza-se janelas deslizantes para buscar elementos similares aos da face humana. Na segunda etapa, aplica-se filtros visando melhorar a imagem e confirmar a validade das características extraídas anteriormente. Na última etapa identifica-se a região central do rosto, levando em consideração que as quatros células centrais tem luminosidade uni - forme. Por outro lado, métodos baseados em características invariantes geram modelos que buscam carac - terísticas faciais invariantes a pose, condição de iluminação ou rotação, como: cores de pele, contornos e formas. Estas características são usadas para detectar uma face em uma região colorida e classificar as re - giões como face. Já nas abordagens usando Templates, o sistema calcula a relação entre a imagem e um conjunto de componentes geométricos. Por exemplo, primeiro determina se a localização de uma face e, em seguida, trata-se a cabeça como uma elipse podendo apresentar rotações em torno do eixo vertical des - crita por uma equação. Finalmente, métodos baseado na aparência adotam técnicas de aprendizado de má - quina para extrair características discriminatórias a partir de um conjunto de treinamento pré-rotulado. Após análise dos métodos estudados, optou-se pelo estudo e implementação do algoritmo de Viola-Jones usando Haar-like. Este método é composto por três partes. A primeira delas é a representação em um es - paço de características baseado nos filtros de Haar. Por meio destas equações obtêm-se contraste entre di - ferentes regiões da imagem. Na segunda parte é feita uma combinação em cascata de classificadores trei - nados a partir de tais características, de modo otimizar o desempenho. A terceira parte, para detecção, onde busca um conjunto de característica dada pela diferença entre a soma dos pixels de regiões retangu - lares branca e a soma dos pixels da região preta. É semelhante ao produto interno de wavelets de Haar. Os resultados têm sido satisfatórios e promissores para futuras investigações.