Vídeo

Até 1995, a pesquisa em sistemas de reconhecimento de pessoas baseada em seqüências de vídeo estava começando a se desenvolver. Haviam sido realizados alguns testes com seqüências de vídeo com a finalidade exclusiva de mostrar vários resultados de classificação no decorrer do tempo. Em [Yacoob et al., 1995], para cada quadro, foi feito um teste de classificação individual visando comparar o método baseado em eigenfaces com o de combinação de grafos (elastic graph matching) em seqüências com variação de expressão facial. Além disso, alguns pesquisadores empregavam seqüências temporais para integrar as informações estáticas da câmera com sons de sílabas. Esses sistemas possuíam dois módulos: o de vídeo, o qual capturava apenas um quadro para efetuar o reconhecimento empregando algum método comum; e o de áudio, que normalmente utiliza informações da freqüência da voz do indivíduo para efetuar o reconhecimento. Os resultados de classificação eram combinados utilizando um método de superclassificação, proporcionando uma taxa de reconhecimento melhor que a dos sistemas isolados. Como exemplos de métodos dessa abordagem, têm-se os que estão descritos em [Brunelli et al., 1995,Brunelli and Falavigna, 1995]. Com o surgimento de métodos eficientes de detecção e rastreamento de pessoas, juntamente com o uso de treinamento com faces em diversas orientações, foram criados sistemas melhores de reconhecimento de faces em seqüências de vídeo com procedimentos de escolha de ``bons'' quadros das seqüências [McKenna et al., 1997]. Porém, até final da década de 90, não haviam sistemas conhecidos de identificação em seqüências de vídeo que realmente aproveitassem o movimento para extrair informações extras, como o modo em que as pessoas se movimentam (gait). Em [Burton et al., 1999], há um estudo psicofísico em que foi comparada a taxa de acerto para reconhecimento de pessoas utilizando: (1) somente a imagem da face; (2) somente a imagem do corpo; e (3) a imagem completa da pessoa em movimento. Como é de se esperar, a ordem decrescente da taxa de acerto foi (3), (1) e (2), mas a taxa de acerto obtida usando imagens contendo somente o corpo das pessoas foi muito superior à taxa de acerto por sorteio^4.2. Esse resultado mostra que informações a respeito da maneira como as pessoas andam também podem ser importantes para efetuar-se identificação automática de faces. A pesquisa em reconhecimento de gestos (de cabeça [Morimoto et al., 1996] e de mão), bem como a de reconhecimento de movimentos do corpo, como danças e interpretações dramáticas, vem desenvolvendo-se muito rapidamente e resultados bastante promissores estão emergindo [Pentland, 2000]. Isso permitiu o surgimento dos primeiros grupos de pesquisa que exploram informações do movimento para efetuar o reconhecimento. Um deles é o da Universidade de Londres, responsável pelo artigo [Li et al., 2000] e pelo livro [Gong et al., 2000], que possui capítulo específico sobre reconhecimento de faces em seqüências de vídeo. O método de extração de características que eles utilizaram foi o de análise de discriminantes lineares.