Reconhecimento facial robusto baseado em adaptação de domínio

• Processo: 19/15357-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2020
• Data de Término da vigência: 31 de dezembro de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Aparecido Nilceu Marana
• Beneficiário: João Renato Ribeiro Manesco
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Assunto(s): Reconhecimento facial Identificação biométrica Biometria
• Palavra(s)-Chave do Pesquisador: Adaptação de Domínio | Biometria | Kernel Manifold Alignment | Reconhecimento Facial | Transfer Kernel Learning | Biometria

Resumo

Nas últimas décadas, seja por razões de segurança ou conveniência, as características biométricas estão sendo cada vez mais utilizadas para a identificação de indivíduos que desejam ter acesso a sistemas e ambientes, sendo que os traços faciais são uma das características mais utilizadas para esta finalidade. Para que a identificação biométrica seja eficaz, o grau de acurácia do reconhecimento precisa ser alto. Porém, este grau pode sofrer alterações drásticas dependendo da diferença (deslocamento) existente entre o domínio das imagens armazenadas no banco de dados do sistema biométrico (imagens, fonte) e o domínio das imagens utilizadas no momento da identificação de um determinado indivíduo (imagens alvo). O objetivo deste projeto de pesquisa de iniciação científica é estudar e avaliar os desempenhos de dois métodos de adaptação de domínio, TKL (Transfer Kernel Learning) e KEMA (Kernel Manifold Alignment), em tarefas de reconhecimento biométrico facial nas quais há diferenças de domínios entre as imagens fonte e alvo. (AU)