Mostrar el registro sencillo del ítem
RedFace: Um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces
dc.contributor.author | Diniz, Fábio A. | |
dc.contributor.author | Mendes Neto, Francisco Milton | |
dc.contributor.author | Fontes, Laysa Mabel de O. | |
dc.date.accessioned | 2017-06-22T17:31:52Z | |
dc.date.available | 2017-06-22T17:31:52Z | |
dc.date.issued | 2012-10 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11818/846 | |
dc.description | Presentación que se llevó a cabo durante el IV Congreso Internacional de Computación y Telecomunicaciones COMTEL 2012 del 24 al 26 de octubre de 2012 en Lima, Perú. COMTEL, es un certamen organizado por la Facultad de Ingeniería de Sistemas, Cómputo y Telecomunicaciones de la Universidad Inca Garcilaso de la Vega, que congrega a profesionales, investigadores y estudiantes de diversos países con el fin de difundir e intercambiar conocimientos, mostrar experiencias académicas-científicas y soluciones para empresas en las áreas de Computación, Telecomunicaciones y disciplinas afines. | es_PE |
dc.description.abstract | Desenvolver um modelo computacional de reconhecimento facial não é uma tarefa trivial, porque as faces e os estímulos visuais multidimensionais possuem características de modelagem complexa. A grande dificuldade está na modelagem de uma face que abstraia as características que as diferenciem de outras faces, já que estas apresentam poucas diferenças substanciais entre si. Embora diferentes, todas as faces possuem características como, por exemplo, uma boca, dois olhos e um nariz. No presente trabalho é proposto um sistema de reconhecimento facial desenvolvido em duas fases. Inicialmente utilizam-se as técnicas de Análise de Componentes Principais (PCA) e Eigenfaces (autofaces) para a extração de características da face. Na segunda fase foram aplicados os classificadores K-Nearest Neighbors (K-NN), Random Forest (Floresta Aleatória) e K-Star (K-estrela) no processo de reconhecimento da face. A validação dos algoritmos foi realizada numa base de dados contendo 1280 imagens de 64 classes distintas. Finalmente, foi mostrado que o desempenho dos algoritmos testados para sistemas de reconhecimentos de face baseado em PCA foram muito satisfatórios, atingindo as melhores taxas de reconhecimento, acima de 90% em todos os classificadores. | es_PE |
dc.language.iso | por | es_PE |
dc.publisher | Universidad Inca Garcilaso de la Vega | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.source | Universidad Inca Garcilaso de la Vega | es_PE |
dc.source | Repositorio Institucional - UIGV | es_PE |
dc.subject | Ingeniería de Sistemas | es_PE |
dc.subject | Computación | es_PE |
dc.subject | Ingeniería de programas informáticos | es_PE |
dc.subject | Programas de computadora | es_PE |
dc.subject | Análise de componentes principais | es_PE |
dc.subject | K-Nearest Neighbors | es_PE |
dc.subject | Random forest | es_PE |
dc.subject | K-Star | es_PE |
dc.subject | Autofaces | es_PE |
dc.subject | Computer sciences | es_PE |
dc.subject | Software | es_PE |
dc.subject | Computer programs | es_PE |
dc.title | RedFace: Um sistema de reconhecimento facial baseado em técnicas de análise de componentes principais e autofaces | es_PE |
dc.type | info:eu-repo/semantics/conferenceObject | es_PE |