Análise da Influência de Diferentes Condições de Iluminação na Classificação de Faces Humanas em Imagens Digitais

Resumo

Este artigo apresenta uma análise estatística de métodos para classificação de imagens de faces quando submetidas a fortes variações de iluminação. Dois classificadores foram analisados: máquinas de vetores de suporte (SVM - Support Vector Machines) e redes neurais artificiais (RNA). Esses classificadores foram treinados utilizando quatro tipos de características: valores das intensidades dos pixels, histogramas dos valores das intensidades dos pixels, histogramas de padrões binários locais (LBP - Local Binary Patterns) e componentes principais obtidos por análise de componentes principais (PCA - Principal Component Analysis). As características mencionadas foram extraídas globalmente e localmente. A medida F-score dos resultados de classificação foram computadas e avaliadas por análise de variância (ANOVA). A significância estatística dos resultados foi demonstrada utilizando ANOVA o que permitiu a criação de um ranking de valores de F-score.