Características híbridas de DWT, PCA e ICA para reconhecimento facial usando ANN

O reconhecimento facial desempenha um papel importante na identificação pessoal com base na biometria. A técnica de reconhecimento biométrico actua como um método eficiente e de ampla aplicação na área da recuperação de informação, banca automática, controlo de acesso a áreas de segurança, etc. O método proposto baseia-se na análise de componentes principais (PCA) da imagem com uma combinação de pormenores da DWT. Esta abordagem reduz os requisitos de armazenamento e o tempo de cálculo, preservando simultaneamente os dados. O esquema proposto explora as capacidades de extração de características da decomposição da Transformada Wavelet Discreta e invoca certas técnicas de normalização que aumentam a sua robustez às variações da geometria facial e da iluminação. Tradicionalmente, para representar o rosto humano, a PCA é efectuada em toda a imagem facial. A rede neural e o classificador K-NN são utilizados para classificar as características e a medida de semelhança é efectuada através da distância euclidiana. Os resultados experimentais mostram que o método proposto é eficaz e possui várias propriedades desejáveis quando comparado com muitos algoritmos existentes. A abordagem híbrida PCA-DWT-ICA é avaliada em MATLAB utilizando a base de dados de rostos de Yale.