Fusão de descritores de histogramas de gradientes para a detecção de faces baseado em uma cascata de classificadores.

Abstract

O problema de detecção de faces em imagens ou vídeos tem sido amplamente estudado pela comunidade científica. Muitas pesquisas foram desenvolvidas durante décadas desde as mais simples até as mais complexas com a finalidade de superar alguns problemas existentes nas imagens ou vídeos, por exemplo: oclusão, mudanças de iluminação, variações de pose e escala, entre outros. Neste trabalho é proposto um método de detecção de faces que concatena o Histograma de Gradientes Orientados (HOG) e o Histograma de Gradientes Orientados Médios (HAOG) para finalmente classificá-los dados através de uma cascata de classificadores de “uma classe" baseados no modelo convexo mais próximo. A cascata de classificadores de “uma classe" permite gerar classificadores mais simples com uma rejeição de falsos positivos mais rápida. Além de reduzir a região de busca é utilizado um algoritmo de detecção de pele, o que também permite diminuir o número de falsos positivos, sendo está característica a principal contribuição deste trabalho. Logo, é gerada uma pirâmide de imagens com o intuito de detectar faces de diferentes tamanhos nas regiões configuradas como pele. O método proposto conseguiu uma melhor acurácia e o menor número de falsos positivos quando foi comparado com os métodos HOG, HAOG, HOG-LBP (Cevikalp et al. 2013) e (Viola and Jones 2004). Mostrou-se resultados promissores quando comparados com os métodos do estado da arte considerados no benchmark da base FDDB (Jain and Learned Miller 2010).