Comparação de métodos de reconhecimento facial utilizando Fisherface

Os seres humanos têm a habilidade natural de reconhecer rostos de pessoas conhecidas e identificá-las pelo nome. Esse processo de reconhecimento facial é realizado diariamente, seja ao cumprimentar pessoas conhecidas na rua pelo nome ou ao visualizar uma imagem de um rosto familiar. Embora seja uma tarefa trivial para os seres humanos, o reconhecimento facial automatizado é uma tarefa extremamente complexo para um computador executar. Ao longo dos anos, diversos autores propuseram vários algoritmos de reconhecimento facial com o objetivo de aumentar a taxa de acerto na predição. Portanto, a presente dissertação de mestrado explora duas abordagens para o algoritmo de reconhecimento facial Fisherface: (i) abordagem segmentada e (ii) realização do alinhamento da face para cada imagem do banco de faces. As duas abordagens foram testadas analisando três indicadores de desempenho: acurácia, tempo total de processamento e carga total gasta com a execução do algoritmo. Os resultados demonstraram que é essencial realizar a abordagem de alinhamento de faces para a obtenção de melhores taxas de acurácia. A abordagem segmentada necessitou de baixo consumo de memória na realização dos testes, mas apresentou menor taxa média de acurácia quando executada em um banco de faces normalizado.