Um estudo empírico de um sistema de reconhecimento facial utilizando o classificador KNN

  • Fabio Abrantes Diniz Instituto Federal de Educação, Ciência e Tecnologia do Piauí - IFPI
  • Thiago Reis da Silva Universidade Federal do Rio Grande do Norte - UFRN
  • Francisco Eduardo Silva Alencar Universidade Federal Rural do Semiárido - UFERSA
Palavras-chave: Estudo Empírico, Reconhecimento Facial, Eigenfaces, K-Nearest Neighbors

Resumo

Neste artigo, apresenta-se um estudo empírico de otimização das taxas de acurácias resultantes de um sistema de reconhecimento facial baseado nas técnicas Eigenfaces e K-Nearest Neighbors. Foram investigadas as seguintes variáveis: imagens com três dimensões distintas, número de características (Eigenfaces), valores de k da técnica K-Nearest Neighbors e três medidas de distância (euclidiana, Manhattan e euclidiana normalizada). Os estudos foram importantes para entender empiricamente quais parâmetros são os mais relevantes para as técnicas analisadas e que resultam em melhores taxas de acurácias de reconhecimento facial. Os resultados dos experimentos comprovaram que as imagens com dimensões 12x9 pixels produzem as melhores taxas de acurácias de reconhecimento facial, combinando com a medida de distância euclidiana normalizada e um número de Eigenfaces igual a vinte.

Downloads

Não há dados estatísticos.
Publicado
2016-04-30
Como Citar
[1]
Diniz, F., Silva, T. e Alencar, F.E. 2016. Um estudo empírico de um sistema de reconhecimento facial utilizando o classificador KNN. Revista Brasileira de Computação Aplicada. 8, 1 (abr. 2016), 50-63. DOI:https://doi.org/10.5335/rbca.2015.5227.
Seção
Artigo Original
Share |