Para avaliar essa função critério associada ao método de seleção de características proposto na seção 3.4 [Campos et al., 2001], foi utilizada uma base
de imagens de olhos para reconhecer pessoas. Essa base originou-se de uma base de imagens de faces com 29 classes (pessoas), 6 amostras por classes (para cada pessoa havia 6 imagens de seus olhos), com fundo (background) razoavelmente controlado e resolução de
. As imagens possuíam pessoas com grandes variações de pose (orientação da cabeça) e diferentes expressões faciais. Foi realizada a segmentação e a normalização das imagens dos olhos utilizando o mesmo procedimento descrito na seção 5.1 [Campos et al., 2000d], com a diferença de que a resolução das imagens após esse pré-processamento é de
pixels.
A transformada de Karhunem-Loève (PCA) foi aplicada em todas as imagens
disponíveis para obter os vetores da base do ``espaço de olhos'' com 468
dimensões, chamados eigeneyes.
Usualmente, para efetuar redução de dimensionalidade utilizando PCA, são
simplesmente selecionados os primeiros componentes (
), sendo o
restante descartado. Porém, há evidências de que nem sempre essa seja a melhor
estratégia [Theodoridis and Koutroumbas, 1999,Jain et al., 2000,Belhumeur et al., 1997], principalmente quando se trata de imagens de faces com grandes variações de
iluminação e expressões faciais, o que ocorre em nossa base de imagens.
Após a obtenção da representação das imagens no espaço de olhos, foi realizada uma normalização do espaço de características em relação à média e ao desvio padrão, da mesma forma que a normalização descrita na seção 3.4.