Este repositório foi criado com a finalidade de compartilhar os algoritmos desenvolvidos durante o trabalho de mestrado intitulado "Comparação de Técnicas de Reconhecimento Facial para Identificação de Presença em um Ambiente Real e Semicontrolado", com o objetivo de facilitar e tornar possíveis futuras replicações dos experimentos realizados.

O trabalho desenvolvido faz parte da linha de pesquisa de "Monitoramento de Presença" do projeto "Ensino e Monitoramento de Atividades Físicas via Técnicas de Inteligência Artificial" (Processo 2014.1.923.86.4, publicado no DOE 125(45), em 10/03/2015), realizado conjuntamente pela Universidade de São Paulo, Faculdade Campo Limpo Paulista e Academia Central Kungfu-Wushu.

Basicamente foram utilizados os algoritmos:

• Viola-Jones
  • Viola, Paul, and Michael Jones. "Rapid object detection using a boosted cascade of simple features." Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. Vol. 1. IEEE, 2001.
• Eigenfaces
  • Turk, Matthew, and Alex Pentland. "Eigenfaces for recognition." Journal of cognitive neuroscience 3.1 (1991): 71-86.
• Fisherfaces
  • Belhumeur, Peter N., João P. Hespanha, and David J. Kriegman. "Eigenfaces vs. fisherfaces: Recognition using class specific linear projection." IEEE Transactions on pattern analysis and machine intelligence 19.7 (1997): 711-720.
• Local Binary Patterns Histogram (LBPH)
  • Ojala, Timo, Matti Pietikäinen, and David Harwood. "A comparative study of texture measures with classification based on featured distributions." Pattern recognition 29.1 (1996): 51-59.
• Scale-Invariant Feature Transform (SIFT)
  • Lowe, David G. "Distinctive image features from scale-invariant keypoints." International journal of computer vision 60.2 (2004): 91-110.
• Speeded Up Robust Features (SURF)
  • Bay, Herbert, Tinne Tuytelaars, and Luc Van Gool. "Surf: Speeded up robust features." European conference on computer vision. Springer Berlin Heidelberg, 2006.
• Transformada Wavelet discreta
  • Burrus, C. Sidney, Ramesh A. Gopinath, and Haitao Guo. "Introduction to wavelets and wavelet transforms: a primer." (1997).

Trabalho desenvolvido por Kelvin Salton do Prado sob orientação do professor Dr. Norton Trevisan Roman.

Nota: a maior parte dos algoritmos desenvolvidos fazem uso da biblioteca OpenCV. Instruções sobre a instalação da OpenCV no Ubuntu podem ser encontradas aqui.

A OpenCV (Open Source Computer Vision Library) é uma biblioteca de visão computacional de código aberto e multiplataforma, originalmente desenvolvida pela Intel por volta do ano 2000, e livre tanto para uso acadêmico como para uso comercial. A OpenCV disponibiliza diversos algoritmos de visão computacional, como por exemplo filtros de imagem, reconhecimento de objetos e reconhecimento facial, e possui ainda suporte a várias linguagens, como Python, C++, Ruby, Matlab, entre outras.

O objetivo principal da biblioteca OpenCV é prover uma infraestrutura de visão computacional simples para auxiliar os desenvolvedores a construir aplicações sofisticadas de forma relativamente rápida.

O OpenCV Contrib é um repositório criado para o desenvolvimento, armazenamento e compartilhamento de alguns módulos extras do OpenCV. Novos módulos que ainda não possuem uma interface de programação de aplicação (API) estável são disponibilizados neste repositório para, futuramente, quando o módulo evoluir e ganhar popularidade, ser movido para o repositório central do OpenCV, e então ser disponibilizado oficialmente com a biblioteca.

Cabe aqui ressaltar que os algoritmos de detecção e reconhecimento facial utilizados no trabalho foram fornecidos tanto pela biblioteca oficial da OpenCV quanto pelos módulos extras disponibilizados pelo OpenCV Contrib.

A documentação do projeto FaceRecognition pode ser acessada aqui:

Outros documentos relacionados aos demais códigos e ao repositório em geral podem ser encontrados na Wiki.

Eventuais dúvidas sobre os algoritmos ou sobre a pesquisa podem ser esclarecidas através do e-mail [email protected]