Métodos holísticos

Os métodos holísticos consideram todos os pixels da imagem ou de regiões características da face. Nessa abordagem a dimensionalidade dos dados é igual ao número de pixels das imagens consideradas. Para resolver esse problema podem ser utilizados métodos estatísticos de redução de dimensionalidade, como PCA [24], discriminantes lineares [19] ou redes neurais [25,26]. O método de reconhecimento com PCA é o mais popular, tendo sido utilizado várias vezes em associação com pré-processamentos de normalização de imagens para melhorar o desempenho. A classificação pode ser feita de diversas maneiras, geralmente através de redes neurais ou sistemas estatísticos. Métodos baseados em pirâmides para reconhecimento de faces também podem ser classificados como holísticos. Em [23], é feito um estudo comparando o desempenho de métodos por atributos (locais) com um método holístico. O método holístico testado foi o de template matching, testando o desempenho de imagens de olhos, narizes, bocas e também de toda a face. Os métodos holísticos proporcionaram resultados melhores que os locais. A vantagem de abordagens globais está no fato de que pequenas variações locais não prejudicam muito o reconhecimento. A principal desvantagem está nos problemas de variação de iluminação e, em alguns casos, no custo computacional.