FenixEdu™

Dissertação

{pt_PT=Reconhecimento Facial Através de Imagens Multiespectrais} {} EVALUATED

Detalhes: {pt=Esta dissertação de mestrado tem como objetivo o desenvolvimento e estudo de um sistema de reconhecimento facial multiespectral. O reconhecimento facial é um método de identificação ou autenticação da identidade de indivíduos através dos seus rostos. Atualmente, os sistemas de reconhecimento facial que utilizam imagens multiespectrais obtêm melhores resultados, em comparação com aqueles que utilizem apenas imagens faciais da banda espectral do visível. Neste trabalho, é proposta uma arquitetura que utiliza múltiplas redes neurais convolucionais profundas e imagens multiespectrais para efetuar o reconhecimento facial. É realizado um estudo com o objetivo de avaliar o desempenho da adaptação de diversas camadas da rede neural base. Adicionalmente, foi realizado um segundo estudo para avaliar o desempenho das Máquinas Vetoriais de Suporte (SVM) e dos classificadores k-Nearest Neighbor para classificar os conjuntos de características multidimensionais obtidas através da arquitetura proposta. Resultados experimentais nas bases de dados multiespectrais Tufts e CASIA NIR-VIS 2.0 indicam um desempenho competitivo no reconhecimento facial obtendo uma pontuação de rank-1 de 99,7% e 99,8%, respetivamente. É também proposto para este trabalho, um detetor de falsificação multiespectral. Este, utiliza imagens multiespectrais (na banda espectral do VIS, SWIR e LWIR) com o objetivo de identificar possíveis ataques de falsificação nas imagens faciais. Resultados experimentais comprovam a eficiência do detetor de falsificação multiespectral proposto, quando comparado com os detetores de pele YCbCr e HSV. Foram obtidas as seguintes taxas de deteção de falsificação de 13%, para YCbCr e HSV, e de 83% para o detetor de falsificação multiespectral proposto., en=This master thesis aims at the development and study of a multispectral facial recognition system. Facial recognition is a method of identifying or authenticating the identity of individuals through their faces. Nowadays, facial recognition systems that use multispectral images obtain better results compared to those that use only facial images present in the visible spectral band. In this work, an architecture that uses multiple deep convolutional neural networks and multispectral images to perform facial recognition is proposed. A study is carried out with the objective of evaluating the performance of the adaptation of several layers of the base neural network. Additionally, a second study was conducted to evaluate the performance of Vector Support Machines (SVM) and k-Nearest Neighbor classifiers to classify the sets of multidimensional characteristics obtained through the proposed architecture. Experimental results in the Tufts and CASIA NIR-VIS 2.0 multispectral databases indicate a competitive performance in facial recognition obtaining a rank-1 score of 99.7% and 99.8%, respectively. A multispectral presentation attack detector is also proposed for this work. This uses multispectral images (in VIS, SWIR and LWIR spectral band) in order to identify possible presentation attacks in facial images. Experimental results prove the efficiency of the proposed multispectral presentation attack detector when compared to YCbCr and HSV skin detectors. The following presentation attack detection rates of 13% were obtained for YCbCr and HSV, and 83% for the proposed multispectral presentation attack detector.}
Keywords: {pt=reconhecimento facial, imagens multiespectrais, infravermelho, detetor de falsificação, en=facial recognition, multispectral images, infrared, presentation attack detector}

Discussão: janeiro 20, 2021, 9:30