Conceitos Básicos de Reconhecimento de Padrões

Basicamente, o reconhecimento de padrões é a área de pesquisa que tem por objetivo a classificação de objetos (padrões) em um número de categorias ou classes (vide [Theodoridis and Koutroumbas, 1999]). Assim, dado um conjunto de $c$ classes, $\omega_1, \omega_2, \cdots,$ $\omega_c$, e um padrão desconhecido ${\bf x}$, um reconhecedor de padrões é um sistema que, auxiliado por pré-processamentos, extração e seleção de características, associa ${\bf x}$ ao rótulo $i$ de uma classe $\omega _i$. No caso de classificação de faces, uma imagem de face é o objeto (ou padrão ${\bf x}$) e as classes são seus nomes ou identificações ($\omega _i$). Segundo [Jain et al., 2000], nos últimos 50 anos de pesquisa, foram obtidos avanços que possibilitaram a evolução da pesquisa em aplicações altamente complexas. Um exemplo é o reconhecimento de faces, o qual consiste em um problema de visão computacional que requer técnicas robustas a translação, rotação, alteração na escala e a deformações do objeto. Além de reconhecimento de faces, os autores de [Jain et al., 2000] destacam os seguintes exemplos de aplicações atuais que requerem técnicas eficientes e robustas de reconhecimento de padrões:

• Bio-informática: análise de seqüências do genoma; aplicações e tecnologia de micro-arrays;
• Mineração de dados (data mining): a busca por padrões significativos em espaços multi-dimensionais, normalmente obtidos de grandes bases de dados e ``data warehouses'';
• Classificação de documentos da Internet;
• Análise de imagens de documentos para reconhecimento de caracteres (Optical Character Rocognition - OCR);
• Inspeção visual para automação industrial;
• Busca e classificação em base de dados multimídia;
• Reconhecimento biométrico, incluindo faces, íris ou impressões digitais;
• Sensoriamento remoto por imagens multiespectrais;
• Reconhecimento de fala.

Um ponto em comum a essas aplicações é que usualmente as características disponíveis nos padrões de entrada, tipicamente milhares, não são diretamente utilizadas. Normalmente utilizam-se características extraídas dos padrões de entrada otimizadas através de procedimentos guiados pelos dados, como PCA (vide seção 3.2.2). Uma característica importante de reconhecimento de faces, assim como várias outras aplicações atuais, é que nenhuma abordagem individual é ótima, de modo que métodos e abordagens múltiplas devem ser utilizados combinando-se várias modalidades de sensores, pré-processamentos e métodos de classificação [Jain et al., 2000]. Assim, o projeto de sistemas de reconhecimento de padrões essencialmente envolve três aspectos: aquisição de dados e pré-processamento, representação dos dados e tomada de decisões. Geralmente o desafio encontra-se na escolha de técnicas para efetuar esses três aspectos. Um problema de reconhecimento de padrões bem definido e restrito permite uma representação compacta dos padrões e uma estratégia de decisão simples. Seja $d_w(\omega_i)$ uma medida de separabilidade global entre os padrões pertencentes a uma classe $\omega _i$ (por exemplo, a média das variâncias em todas as características dos padrões de $\omega _i$). Seja $d_b(\Omega)$ uma medida de separabilidade global entre as classes do conjunto de classes $\Omega$ (por exemplo, a média das distâncias entre as médias de todas as classes de $\Omega$ e a média global). Um problema de reconhecimento de padrões bem definido e restrito é aquele que, em seu espaço de características, possui distribuições de padrões com pequena variações intra-classe e grande variação inter-classes, ou seja, pequenos valores de $d_w(\omega_i)$ e um grande valor de $d_b(\Omega)$ [Theodoridis and Koutroumbas, 1999]. A questão é que, em dados reais, geralmente os padrões a serem reconhecidos não possuem essas peculiaridades. Nesse fato reside a importância de algoritmos de extração e seleção de características, pois eles reduzem a dimensionalidade dando prioridade para uma base do espaço de características que não perde o poder de discriminação dos padrões. A seguir serão traçados detalhes a respeito dos métodos de reconhecimento estatísticos de padrão.