Estudo e implementação de técnicas de detecção de faces em imagens
Resumo
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.