Primeiros resultados

Conforme dito anteriormente, dentre os objetivos práticos finais desse trabalho está o de possibilitar a criação um método de reconhecimento de pessoas em tempo real a partir de seqüencias de vídeo com poucas restrições em relação a iluminação e movimentos das pessoas. Dentre as características importantes de um sistema desse tipo encontram-se:

• necessidade de um sistema de extração de características e classificação rápido e barato, para que não ocorra perda das deadlines, que, nesse caso podem ser determinadas pela taxa de aquisição de quadros por segundo (para classificação de cada quadro) e pelo tempo exigido para que seja dada uma resposta ao usuário [58];
• possibilidade de haver muitas imagens por pessoa tanto para treinamento quanto nos testes [2]. Porém, dependendo do classificador utilizado, é desejável utilizar poucos exemplos de treinamento para permitir a obtenção de resultados em tempo real. Já a disponibilidade de muitas imagens por pessoa na fase de testes permite o uso de métodos de super-classificação para obter melhores resultados.
• falta de controle com relação a iluminação, escala e orientação da face. [36]

Visando obter um sistema rápido e que não tenha um grande custo em relação a memória, é desejável que a dimensionalidade dos dados não seja grande. Além disso, há outras vantagens de efetuar redução de dimensionalidade que foram comentadas na seção 3.1. Basicamente, foram estudadas duas abordagens para redução da complexidade dos dados de um reconhecedor de faces. A primeira, e mais óbvia, é a de reduzir a dimensionalidade dos dados observados através da simples utilização de uma janela na imagem. A segunda abordagem testada consiste na aplicação de um algoritmo de seleção de características, selecionando somente os atributos com maior poder de discriminação das classes. Tais testes estão descritos a seguir.