III WVC 2007 - Iris.sel.eesc.sc.usp.br - USP

WVC'2007 - III Workshop de Visão Computacional, 22 a 24 de Outubro de 2007, São José do Rio Preto, SP.busca mais próxima e elimina essa linha e essa coluna.Portanto, o modo de Fusão Auto-fusão obtém o resultado:i-005-3, i-005-2, i-005-1, i-005-4. Esse resultado ésuperior aos apresentados pelo Modo de Decisão da Face,do Esboço e da Pele que encontraram 3 imagens da classe,ao passo que a auto-fusão encontrou as 4 imagens daclasse. Em caso de houver empate ou ausência de um dosvalores 3, 2 e 1 na coluna, prevalece à ordem: primeiro aimagem encontrada pelo Método de Decisão da Face,segundo pelo método do Esboço e terceiro pelo métododa Pele, devido ao desempenho alcançado por estes deforma individual (Figura 6).Na Figura 11 pode-se observar o desempenho da autofusãoem relação aos métodos aplicados de formaindividual. Verifica-se que utilizando a auto-fusão 95%das imagens do banco conseguem localizar as 4 imagensque compõe as suas respectivas classes, e este resultado é3% superior ao alcançado pela imagens auto-face.uma contribuição para a formação de característicasassociadas à descrição de imagens digitais coloridas ouem nível de cinza.10. Bibliografia[1] J.M.T. Domenech, A.P. Bolivar, Atlas das RaçasHumanas, Ibero-Americano, Ltda, Rio de Janeiro, 1965.[2] O. Severino Jr., A. Gonzaga, “Misturograma Umaproposta de Quantização do Histograma através daMistura de Cores”, WVC'2005 - I Workshop de VisãoComputacional, Piracicaba, 2005, pp. 76-79.[3] A.M. Martinez, R. Benavente, “The AR FaceDatabase”, CVC Technical Report nº 24, 1998, June.[4] O. Severino Jr., A. Gonzaga, “Auto-esboço e Autopelepelo Misturograma”, WVC'2006 - II Workshop deVisão Computacional, São Carlos, 2006, pp. 81-86.[5] K. Baek, M.S. Bartlett, and B.A. Draper, “Recognitionfaces with PCA and ICA”, Computer Vision and ImageUnderstand, Vol. 91, 2003, pp. 115-137.[6] P. J. Phillips, H. Moon, P. J. Rauss, and S. Rizvi, “TheFERET evaluation methodology for face recognitionalgorithms”, IEEE Transactions on Pattern Analysis andMachine Intelligence, Vol. 22, No. 10, October, 2000.Figura 11. Gráfico de desempenho da auto-fusão.6. ConclusãoMostrou-se com este trabalho que cada pixel de umaimagem em nível de cinza pode ser classificado como umadas cores preto, azul, verde, ciano, vermelho, magenta,amarelo e branco, através de uma extensão doMisturograma que é uma abordagem de quantização decores de uma imagem RGB. Uma das intenções destetrabalho foi mostrar o potencial do Misturograma quandoutilizado para a segmentação da região de pele e esboçoda face de imagens em nível de cinza. Outra intenção foimostrar a relevância das imagens da face, esboço e pelequando utilizadas como características em um sistemamultimodal. Verificando-se, também, o desempenho e arelevância do método auto-fusão, acreditamos que ascaracterísticas relacionadas ao esboço da face e a regiãode pele poderão ser exploradas em trabalhos futuros como[7] F. Samaria, and A. Harter, “Parameterisation of astochastic model for human face identification”, 2nd IEEEWorkshop on Applications of Computer Vision, Sarasota(Florida), December, 1994.[8] O. Severino Jr., A. Gonzaga, “Auto-Fusão naRecuperação de Imagens Baseadas em Conteúdo”,WVC'2006 - II Workshop de Visão Computacional, SãoCarlos, 2006, pp. 305-310.[9] A.K. Jain, A. Ross, and S. Prabhakar, “AnIntroduction to Biometric Recognition”. IEEETransactions on Circuits and Systems for VideoTechnology, Special Issue on Image- and Video-BasedBiometrics, 2004.68