Professional Documents
Culture Documents
Pr-projeto de Pesquisa
TTULO:
<descrever o ttulo>
PROPONENTE:
<nome completo do proponente>
O principal objetivo deste projeto investigar dois desdobramentos do mtodo por Detectores por
Produto Interno. Primeiramente, pretendemos realizar um alinhamento adaptativo dos padres utilizados
no projeto dos detectores que emprega os picos de correlao dos padres. Nesta etapa, o principal
objetivo projetar detectores com melhor desempenho, ou seja, detectores que possam proporcionar
picos de correlao mais acentuados em relao aos seus antecessores. A seguir, pretendemos investigar o
desempenho dos classificadores desenvolvidos em plataformas de hardware. Nesta etapa, o principal
objetivo incrementar a velocidade de deteco dos classificadores. Por fim, os classificadores
desenvolvidos nas plataformas de hardware sero integrados em uma TV e em um Celular utilizando-se
SDKs que permitem o desenvolvimento de programas para Smart TVs e programas baseados no sistema
operacional mvel Android.
Especificamente, os objetivos especficos e metas deste projeto de pesquisa so:
Tabela 1: Objetivos especficos do pr-projeto (metas)
#
1
2
3
4
Objetivo especfico
Implementar o mtodo por Detectores por Produto Interno.
Implementar o mtodo por Detectores por Produto Interno utilizando
Anlise de Componentes Principais.
Implementar o mtodo por Detectores por Produto Interno utilizando
Anlise de Componentes Principais com Alinhamento Adaptativo.
Realizar comparaes com mtodos similares.
O projeto de pesquisa apresentado nesta proposta tem como objetivo principal investigar dois
desdobramentos do mtodo de reconhecimento de padres denominado Detectores por Produto Interno.
Tal objetivo geral ser atingido atravs de nove objetivos especficos. A metodologia empregada para
alcanarmos todos os objetivos especficos ser feita da seguinte forma:
Uma reviso bibliogrfica sobre o estado da arte em mtodos por Filtros de Correlao ser realizada.
Esta reviso servir de base para alcanarmos os objetivos especficos (1) e (2). A seguir, os detectores
por produto interno projetados com alinhamento adaptativo sero desenvolvidos e o desempenho deste
mtodo poder ser comparado com os resultados apresentados no trabalho [18,13]. Isto contempla o
objetivo especfico (3).
Para o objetivo especifico (4) pretendemos comparar o desempenho do mtodo por Detectores por
Produto Interno com Alinhamento Adaptativo com os desempenhos dos mtodos apresentados em [13].
possvel que outros mtodos possam ser implementados para comparaes. Todas as comparaes sero
realizadas utilizando-se um extenso conjunto de imagens e o desempenho dos classificadores ser
realizado utilizando-se validao cruzada.
Meta
Reviso bibliogrfica geral
Reviso bibliogrfica
especfica
Implementao do mtodo
por Detectores por Produto
Interno (IPD)
Implementao do mtodo
IPD com Anlise de
Componentes Principais
(PCA)
Atividade
1
Reviso bibliogrfica dos Filtros
X
de Correlao
Reviso bibliogrfica da Teoria
dos Detectores por Produto
Interno
Implementao do IPD utilizando
a biblioteca OpenCV
Implementao do IPD-PCA
utilizando a biblioteca OpenCV
10
11
12
X
X
[1] MOGHADDAM, B., WAHID, W., PENTLAND, A., Beyond Eigenfaces: Probabilistic Matching
for Face Recognition. Proceedings of the International Conference on Automatic Face
and Gesture Recognition, Grenoble, France, March 1998.
[2] CHEUNG, W., HAMARNEH, G., N-SIFT: N-Dimensional Scale Invariant Feature Transform
for Matching Medical Images. In: Proceedings of the International Symposium on
Biomedical Imaging: From Nano to Macro, pp. 720-723, Washington, DC, USA, April
2007.
[3] NANDY, D., BEN-ARIE, J., EXM Eigen Templates for Detecting and Classifying Arbitrary
Junctions. In: Proceedings of the International Conference on Image Processing, pp.
211-215, Kobe, Japan, October 1998.
[4] BEN-ARIE, J.; RAO, K. R., A Novel Approach for Template Matching by Nonorthogonal
Image Expansion, IEEE Transactions on Circuits and Systems for Video Technology, v. 3,
n. 1, pp. 71-84, February 1993.
[5] ZHIQIAN WANG; RAO, K. R.; BEN-ARIE, J., Optimal Ramp Edge Detection using
Expansion Matching, IEEE Transactions on Pattern Analysis and Machine Intelligence, v.
18, n. 11, pp. 1092-1097, November 1996.
[6] XIE, C., SAVVIDES, M., VIJAYA KUMAR, B. V. K., Correlation Pattern Recognition for Face
Recognition, Proceedings of the IEEE, v. 94, n. 11, pp. 1963-1976, 2006.
[7] XIE, C., SAVVIDES, M., VIJAYA KUMAR, B. V. K., Redundant Class-Dependence Feature
Analysis Based on Correlation Filters Using FRGC2.0 Data. In: Proceedings of the
Conference on Computer Vision and Pattern Recognition, p. 153, San Diego, CA, USA,
June 2005.
[8] MAHALANOBIS, A., VIJAYA KUMAR, B. V. K., CASASENT, D., Minimum Average
Correlation Energy Filters, Applied Optics, v. 26, pp. 3633-3640, 1987.
[9] SAMAD, S. A., RAMLI, D. A., HUSSAIN, A., Region Selection for Robust Face Verification
Using UMACE Filters, In: Proceedings of the International Conference on Electrical
Engineering and Informatics, p. 67, Indonesia, June 2007.
[10] THORNTON, J., SAVVIDES, M., VIJAYA KUMAR, B. V. K., A Bayesian Approach to
Deformed Pattern Matching of Iris Images, IEEE Transactions on Pattern Analysis and
Machine Intelligence, v. 29, pp. 596-606, 2007.
[11] LIU, T., ZHU, G., ZHANG, C., et al., Fingerprint indexing based on singular point
correlation. In: Proceedings of the IEEE International Conference on Image Processing,
pp. 293-6, Genoa, Italy, September 2005.
[12] YEOMANS, H., VIJAYA KUMAR, B. V. K., Palm print Classification using Pattern-specific
Segmentation and Optimal Correlation Filters, IEEE Transactions on Information
Forensics and Security, v. 2, pp. 613-622, 2007.
[13] JNIOR, W. S. S., Reconhecimento de Padres Utilizando Filtros de Correlao com
Anlise de Componentes Principais, Tese de D.Sc., COPPE/UFRJ, Rio de Janeiro, RJ, Brasil,
Agosto de 2010.
[14] SHI, J., SAMAL, A., MARX, D., How effective are landmarks and their geometry for
face recognition?, Computer Vision and Image Understanding, v. 102, n. 2, pp. 117133, 2006.
[15] SIVIC, J., EVERINGHAM, M., ZISSERMAN, A., Who Are You? - Learning Person Specific
Classifiers from Video. In: Proceedings of the International Conference on Computer
Vision and Pattern Recognition, pp. 1145-1152, Florida, US, June 2009.
[16] LI TIAN, Y., KANADE, T., COHN, J. F., Recognizing Action Units for Facial Expression
Analysis, IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 23, pp. 97115, 2001.
[17] ZHAO, S., GAO, Y., Automated Face Pose Estimation Using Elastic Energy Models, In:
Proceedings of the International Conference on Pattern Recognition, pp. 618-621,
Washington, DC, USA, 2006.
[18] ARAUJO, G. M., JNIOR, W. S. S., SILVA, E. A. B., et al., Facial Landmarks Detection
Based on Correlation Filters. In: Proceedings of the IEEE International
Telecommunication Symposium, Manaus, Brazil, October 2010.
[19]
Disponvel em: http://www.bioid.com/support/downloads/software/bioid-facedatabase.html. Acesso em: Agosto de 2011.
[20]
[21]
PHILLIPS, P. J., WECHSLER, H., HUANG, J. RAUSS, P., The FERET database and
evaluation procedure for face recognition algorithms, Journal of Image and Vision
Computing, v. 16, n. 5, pp. 295-306, 1998.