Please use this identifier to cite or link to this item: https://bdm.ufpa.br:8443/jspui/handle/prefix/3983
Compartilhar:
metadata.dc.type: Trabalho de Conclusão de Curso - Graduação - Artigo
Title: Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina
metadata.dc.creator: SANTOS, Vagner Vieira dos
metadata.dc.contributor.advisor1: PINHEIRO, Daniel da Conceição
Issue Date: 31-Jan-2022
Citation: SANTOS, Vagner Vieira dos. Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina. Orientador: Daniel da Conceição Pinheiro. 2022. [12] f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) – Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2022. Disponível em: https://bdm.ufpa.br:8443/jspui/handle/prefix/3983. Acesso em:.
metadata.dc.description.resumo: O trabalho propõe estudos na área de aprendizado de máquina para reconhecimento facial. A implementação de um sistema de identificação pessoal visa comparar fluxos de informação contidos em conjuntos de dados obtidos a partir do processamento de vídeos e fotos de indivíduos como mecanismo de prevenção de fraudes. A tecnologia de redes neurais é usada para criar embeddings (representação vetorial de características faciais) de rostos, extraindo rostos de fotos. Assim, são utilizados modelos previamente treinados em bancos de dados massivos, como OpenFace e Facenet, pois são validados e demonstram resultados científicos com alto índice de eficácia. Vale ressaltar que os procedimentos foram aplicados e comparados com diferentes classificadores como Support Vector Machine (SVM), k-Nearest Neighbors (KNN) e Convolutional Neural Network (ConvNet). Os resultados adquiridos foram baseados no processo de comparação entre programação Python via Jupyter Notebook e Orange Software versão 3.29.3. Os testes realizados mostraram resultados positivos e promissores.
Abstract: The work proposes studies in the field of machine learning for facial recognition. The implementation of a personal identification system is sought to compare information flows contained in datasets obtained from the processing of videos and photos of individuals as a mechanism for fraud prevention. Neural Networks technology is used to create embeddings (vector representation of facial features) of faces by extracting faces from photos. Thus, models previously trained in massive databases, such as OpenFace and Facenet, are used, as they are validated and demonstrate scientific results with a high rate of effectiveness. It is worth mentioning that the procedures were applied and compared with different classifiers such as Support Vector Machine (SVM), k-Nearest Neighbors (KNN) and Convolutional Neural Network (ConvNet). The acquired results were based on the comparison process between Python programming via Jupyter Notebook and Orange Software version 3.29.3. The tests carried out showed positive and promising results.
metadata.dc.subject.cnpq: CNPQ::ENGENHARIAS
Keywords: Aprendizado profundo ( Aprendizado do computador)
Redes neurais convolucionais
Visão por computador
Reconhecimento facial
metadata.dc.rights: Acesso Aberto
metadata.dc.source.uri: Disponível na Internet via Sagitta
Appears in Collections:Faculdade de Engenharia da Computação - FECOMP/CAMTUC

Files in This Item:
File Description SizeFormat 
TCC_SistemaReconhecimentoFacial.pdf1,25 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons