Reconhecimento de Padrões

Reconhecimento de padrões é a área de pesquisa que tem por objetivo a classificação de objetos (padrões) em um número de categorias ou classes [12]. No caso de reconhecimento de faces, as imagens de façes são os objetos e as classes são seus nomes ou identificações. Há também o problema de categorização de faces, que trata da classificação das pessoas em categorias discriminando, por exemplo, gênero, faixa etária e etnia. Nesse caso, as classes são a categoria em que a pessoa pertence. Como este trabalho é centrado no problema de reconhecimento (identificação), não serão detalhadas técnicas de categorização. Nos últimos 50 anos de pesquisa neste área, o problema geral de reconhecimento de padrões complexos com orientação, localização e escala arbitrárias permanece sem solução. A aplicação ao reconhecimento de faces requer técnicas robustas e eficientes. Além de reconhecimento de faces, as técnicas de reconhecimento de padrões podem ser aplicadas em vários outros domínios, dentre os quais, Jain et. al. [13] destaca:

• bio-informática, análise de seqüências de proteínas ou DNA;
• mineração de dados (data mining), procurando por padrões significativos em espaços multi-dimensionais;
• classificação de documentos de 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 entre essas aplicações é que usualmente as características disponíveis nos padrões de entrada, que tipicamente são milhares, não são diretamente utilizadas. Normalmente são utilizadas características extraídas dos padrões de entrada otimizadas usando-se procedimentos guiados pelos dados, como PCA. Dado um padrão, seu reconhecimento/classificação consiste em uma das seguintes tarefas: classificação supervisionada, em que o padrão de entrada é identificado como um membro de uma classe pré-definida pelos padrões de treinamento, que são rotulados com suas classes; e classificação não supervisionada, em que o padrão é associado a uma classe que é aprendida com base na similaridade entre os padrões de treinamento. Neste trabalho será enfocado o primeiro tipo de classificação (supervisionada), o qual é mais usual em reconhecimento de faces. Uma característica importante de reconhecimento de faces, assim como várias outras aplicações atuais, é que nenhuma abordagem individual é ótima, e que métodos e abordagens múltiplas devem ser utilizados, combinando várias modalidades de sensores e métodos de classificação [13]. 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. Assim, geralmente o desafio encontra-se na escolha de técnicas para efetuar esses três aspectos. Em geral, acredita-se que um problema de reconhecimento de padrões bem definido e restrito (com pequenas variações intra-classe e grandes variações inter-classes) permitirá uma representação compacta dos padrões e uma estratégia de decisão simples. Mas nem sempre os padrões a serem reconhecidos possuem essas características. Nesse fato reside a importância de algoritmos de extração e seleção de características. Segundo Jain et. al. [13], as quatro abordagens mais bem conhecidas de reconhecimento de padrões são: casamento (template matching), abordagem estatística, sintática e redes neurais. A seguir há uma subseção que descreve resumidamente a abordagem estatística e, posteriormente, uma subseção que contém um resumo das outros métodos. É importante lembrar que não serão descritas abordagens que não foram aplicadas a reconhecimento de faces. Nas seções seguintes, a abordagem estatística será descrita mais detalhadamente, principalmente no que diz respeito à extração e seleção de características. Quanto aos outros métodos, haverão novas refêrencias a eles, principalmente na seção 3.2, mas não serão descritas com maiores detalhes, visto que não pertencem ao escopo central deste trabalho.