Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/39185
Files in This Item:
File Description SizeFormat 
2020_LuisFelipedeMeloNunes (1).pdf14,54 MBAdobe PDFView/Open
Title: Contributions on 3D Biometric Face Recognition for point clouds in low-resolution devices
Authors: Nunes, Luís Felipe de Melo
Orientador(es):: Vidal, Flávio de Barros
Assunto:: Reconhecimento facial
Nuvens de pontos 3D
Haar cascade
Normal e curvatura
F-Measure
Equal error rate
Issue Date: 7-Jul-2020
Citation: NUNES, Luís Felipe de Melo. Contributions on 3D Biometric Face Recognition for point clouds in low-resolution devices. 2020. 98 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020.
Abstract: Recentemente, diversos processos de automação fazem uso de conhecimentos relacionados a visão computacional, utilizando-se das informações digitalizadas que auxiliam na tomada de decisões destes processos. O estudo de informações 3D é um assunto que vem sendo recorrente em comu- nidades de visão computacional e atividades gráficas. Uma gama de métodos vem sendo propostos visando obter melhores resultados de performance, em termos de acurácia e robustez. O objetivo deste trabalho é contribuir com métodos de reconhecimento facial em dispositivos de baixa res- olução de núvens de ponto. Neste trabalho realiza-se um processo de reconhecimento facial em uma base de dados contendo 31 sujeitos, em que cada sujeito apresenta 3 imagens de profundidade e 3 imagens de cor (RGB). As imagens de cor são utilizadas para detecção facial por uso de um Haar Cascade, que permite a extração dos pontos da face da imagem de profundidade formando uma nuvem de pontos 3D. Da nuvem de pontos foram extraídas a intensidade normal e a intensi- dade do índice de curvatura de cada ponto permitindo a formação de uma imagem bidimensional, intitulada de mapa de curvatura, a partir da qual extrai-se histogramas utilizados no processo de reconhecimento facial. Junto com os mapas de curvature, Um novo método de correspondência é proposto por meio da adaptação do algoritmo clássico de Bozorth, formando uma representação 3D de marcos faciais em nuvens de ponto de baixa resolução para prover um descritor dos pontos chaves da nuvem e extrair uma representação única de cada indivíduo. A validação é realizada e comparada com uma técnica de linha de base para reconhecimento facial 3D. O manuscrito apre- sentado provê multiplos cenários de teste (faces frontais, acurácia, escala e orientação) para ambos métodos atingindo uma acurácia de 98.92% no melhor caso dos mapas de curvature e uma acurácio de 100% no melhor caso do algoritmo clássico de Bozorth adaptado.
Abstract: Recently, many automation processes make use of knowledge related to computer vision, exploiting digital information in the form of images or data that assists the decision-making of these processes. 3D data recognition is a trending topic in computer vision and graphics tasks. Many methods had been proposed for applications on 3D, expecting a better performance in accuracy and robustness. The main goal of this manuscript is to contribute with face recognition methods for low-resolution point cloud devices. In this manuscript, a face recognition process was accomplished in a 31 subject database, using colorful images (RGB) and depth images for each subject. The colorful images are utilized for face detection by a Haar Cascade algorithm, allowing the extraction of facial points in the depth image and the generation of a face 3D point cloud. The point cloud is used to extract the normal intensity and the curvature index intensity of each point, allowing the confection of a bidimensional image, entitled curvature map, of which histograms are obtained to perform the facial recognition task. Along with the curvature maps, a novel matching method is proposed by an adaptation of the classic Bozorth’s algorithm, forming a net-based 3D representation of facial landmarks in a low resolution point cloud in order to provide a descriptor of the cloud key points and extract an unique representation for each individual. The validation was fulfilled and compared with a baseline technique for 3D face recognition. The presented manuscript provide multiple testing scenarios (frontal faces, accuracy, scale and orientation) for both methods, achieving an accuracy of 98.92% in the best case of the curvature maps and an 100% accuracy in the best case of the classic Bozorth’s algorithm adaptation.
Description: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Agência financiadora: Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Appears in Collections:ENM - Mestrado em Sistemas Mecatrônicos (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/39185/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.