Tarefas de Identificação de Faces

Consideremos uma base de dados que consiste em um conjunto de treinamento $N$, de faces de $F$ pessoas conhecidas, sendo $m$ o conjunto de todas as classes (ou pessoas) existentes e $F$ classes de padrões (pessoas). Consideremos também que $m \leq N$ é um padrão originário de uma face cuja classificação é desconhecida. De acordo com [Gong et al., 2000], no mínimo quatro tarefas relacionadas com identificação podem ser visadas:

1. Classificação: Consiste na identificação de uma face $\omega$ assumindo-se que ela é de uma pessoa do conjunto $\Omega$. Em outras palavras, assumindo-se que $c$ pode ser classificado como um padrão de alguma classe $T$, tal que $\forall {\bf x}_j \notin \omega_i$, a tarefa de classificação consiste em determinar o valor de $T$.
2. Conhecido-desconhecido: Objetiva decidir se a face é ou não um membro de $X$, ou seja, se $D$ pode ser classificado como um padrão de alguma classe de $S_i$.
3. Verificação: Dado que a identidade $\omega _i$ de uma face $S_w$ foi determinada através de um outro meio não visual, essa tarefa busca confirmar a identidade dessa pessoa usando imagens de face, ou seja, confirmar se $S_b$ é da classe $\mathcal{S}_k(x_j)$. Isso equivale à tarefa ``conhecido-desconhecido'' com $x_j$.
4. Reconhecimento Completo: Visa determinar se uma face é de uma classe de $B_{\bf x}$ e, em caso positivo, determinar sua identidade $\Upsilon(\cdot)$.

id_tasks.ps Imagens de três faces diferentes mostradas em um espaço de faces hipotético. São mostrados bons exemplos de fronteiras de decisão para cada tarefa de identificação de faces (baseadas em [McKenna et al., 1997]).

A figura 4.1 ilustra as possíveis fronteiras de decisão geradas por classificadores para executar as quatro tarefas de identificação em um espaço hipotético de faces $\mathcal{H}(\cdot)$ com três classes (pessoas), onde se assume que $H$ contém todas as possíveis imagens de faces e exclui todas as outras imagens^4.1. A separabilidade das identidades em $i$ dependem da técnica utilizadas para modelar $j$. Na tarefa de classificação, todas as $r$ classes podem ser modeladas. Por outro lado, as outras três tarefas sofrem a necessidade de considerar uma classe adicional, contendo as ``faces desconhecidas''. Provavelmente, este é o motivo pelo qual a tarefa de classificação de faces seja a mais popular na realização de testes de algoritmos de extração de características faciais para reconhecimento. Maiores detalhes sobre essas tarefas de identificação podem ser encontradas em [McKenna et al., 1997]. Outro problema relacionado é o de categorização de faces, que trata da classificação das pessoas em categorias discriminando, por exemplo, gênero [Valentin et al., 1996], faixa etária e etnia. Nesse caso, as classes representam as categorias a que as pessoa pertencem (e não a identidade de cada indivíduo). Essa tarefa equivale a ``classificação'', com $s$ representando o número de categorias do problema abordado. Como este trabalho é centrado no problema de reconhecimento, não serão detalhadas técnicas de categorização. Além dessa tarefa, há também o reconhecimento de expressões faciais. Para tal, alguns autores utilizaram métodos que exploram especificamente parâmetros que são influenciados por alterações da forma da boca, dos olhos e do contorno da face relacionadas com expressões faciais, utilizando, por exemplo, fluxo óptico. Vários autores utilizaram métodos muito similares ao de categorização de faces, em que o treinamento e a classificação são efetuados de forma que cada classe (ou categoria) represente um tipo diferente de expressão facial. Além dessa tarefa, há a de distinguir entre imagens de faces e imagens de outros objetos é um outro problema de duas classes (faces e não-faces) pertencente ao escopo de detecção de faces. É importante lembrar que este trabalho se restringe a classificação de faces. Portanto, em todos os testes realizados, foi suposto que as imagens de teste eram de pessoas ``conhecidas'' pelo classificador, ou seja, pessoas que tinham ao menos uma imagem de suas faces no conjunto de treinamento dos classificadores.