Investigação do problema de detecção de faces com variações de orientação.

Nesta tese, investiga-se o problema da deteccao de faces que apresentam grandes variacoes de orientacao. Foram identificados fatores capazes de influenciar os resultados quando determinadas metricas de avaliacao sao utilizadas. Por exemplo, se a metrica empregada leva em consideracao as areas de deteccao obtidas pelos classificadores e as areas rotuladas por humanos (groundtruth), a forma como as imagens detectadas sao marcadas inteferira nos resultados. Em relacao ao aspecto de recorte das faces, os resultados experimentais comprovam que se forem incluidas regioes externas da face para treinamento, os resultados de deteccao sao melhorados. ara lidar com todos esses fatores, foi proposta e implementada uma abordagem para a deteccao de faces que explora a invariância por treinamento para gerar uma arvore de classificadores com menor complexidade computacional do que outras abordagens propostas na literatura, capaz de lidar com grandes variacoes de orientacao no plano da imagem. A fim de tornar factivel o treinamento dos classificadores dessa arvore, e apresentada uma abordagem hibrida de paralelizacao para o metodo de treinamento de classificadores proposto por Viola e Jones (2004). A abordagem de deteccao de faces proposta obteve resultados superiores aqueles obtidos por Rowley, Baluja e Kanade (1998b) e Viola e Jones (2004). Apenas uma das abordagens concorrentes, aquela proposta por Huang et al. (2007), obteve resultados superiores, porem por uma pequena diferenca. Apesar disso, a abordagem proposta nesta tese possui menor complexidade computacional em termos de quantidade de niveis da arvore de classificadores e quantidade de nos de processamento.