Detecção de olhos em imagens com faces humanas.

• Ano de defesa: 2008
• Autor(a) principal: LEITE, Bruno de Brito.
• Orientador(a): GOMES, Herman Martins. , CARVALHO, João Marques de.
• Banca de defesa: JUNG, Cláudio Rosito., QUEIROZ, José Eustáquio Rangel de.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Detecção de Olhos; Processamento de Imagens; Visão Computacional; Detecção de Padrões; Eye Detection; Image Processing; Computer Vision; Pattern Detection
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/3983

Existem diferentes situações em que a detecção de olhos em imagens desempenha um papel fundamental, como por exemplo: interação homem-máquina, determinação de características faciais, monitoramento de atenção de condutores de veículos, sistemas de identificação através de faces ou íris, análise de expressões faciais e sistemas de vídeo conferência. Esta dissertação apresenta uma revisão bibliográfica discutindo trabalhos recentes relacionados ao problema de detecção de olhos. Para cada trabalho, são apresentados: a idéia geral utilizada pelos autores, o desempenho obtido e a base de imagens de face considerada (quando estes dados estão disponíveis). A principal contribuição desta dissertação é a proposição de uma nova abordagem para determinação da posição de olhos em imagens de faces. A etapa de pré-processamento desta abordagem inclui compensação de iluminação com filtragem homomórfica e operações pontuais de expansão e equalização de histograma para melhoria de brilho e contraste. A etapa de detecção utiliza: abordagens passivas, baseadas na (i) análise da aparência, que consideram características de cor de pele; (ii) em aprendizagem, que utilizam uma rede neural treinada com características extraídas de exemplos e contra exemplos de olhos; e (iii) em modelos, que produzem uma resposta derivada da avaliação de uma função de casamento de modelos. Estas abordagens são integradas através de três regras de combinação de classificadores (produto, média e ranking). A viabilidade técnica da abordagem proposta é validada através da realização de experimentos. Estes experimentos demonstram que a abordagem proposta apresenta desempenho superior aos trabalhos existentes que foram incluídos na revisão bibliográfica.