Desenvolvimento de um protótipo de software de reconhecimento facial: estudo do Sistema Presente!!!

Luiz Fernando Peramo, Paulo Cesar de Macedo, Marcos Roberto de Moraes

Resumo


Visando a responsabilidade de uma Instituição de Ensino (IE)
no controle de presença dos alunos, que atualmente ocorre por
meio de uma confirmação verbal ao professor, considerando
uma questão de segurança e trazendo os pais ou parentes mais
próximos da vida escolar do aluno, foi idealizado o sistema
PRESENTE!!! O objetivo principal deste artigo é desenvolver
um sistema de reconhecimento facial sem custo para identificar
o aluno e gerenciar sua frequência às aulas, disparando um
comunicado aos interessados caso este não compareça à aula
após o tempo limite de atraso, que pode ser previamente configurado
pela direção ou coordenação. Para este sistema, propõe-
-se utilizar algumas bibliotecas que trazem em seu conteúdo
algoritmos de reconhecimentos e aprendizagem de máquinas.
Para facilitar o processo de desenvolvimento escolheu-se a
linguagem Python, que é uma linguagem de alto nível, porem de
baixa complexidade de desenvolvimento, com uma vasta gama de
biblioteca, tornando-a multiplataforma. Foram realizados alguns
testes individuais da ferramenta e um teste maior em um evento.
Recebido em 06-10-2018 • Aceito em 16-04-2019
150 Universitas - Ano 13 - Nº 24 - Janeiro/Junho 2019
Estiveram presentes cerca de 750 pessoas entre visitantes e alunos
regulares da instituição. O algoritmo implementado mostrou-se
85% de precisão reconhecendo a maioria dos alunos presentes
e dispensando a tradicional chamada feita pelos professores.


Palavras-chave


Biometria; Frequência escolar; Reconhecimento Facial; Aprendizado de Máquina.

Texto completo:

PDF

Referências


BLANC-TALON, J. et al. Advanced Concepts for Intelligent Vision Systems: 18th International Conference. Bélgica, 2017.

BRUNELLI, R.; POGGIO, T. Face Recognition through Geometrical Features. European Conference on Computer Vision (ECCV), 1992, 792–800 p.

COELHO, F. C. Computação Científica com Python. Petrópolis: Edição do Autor, 2007.

DLIB C++ Library. Face Recognition. Disponível em < http://dlib.net/dnn_face_recognition_ex.cpp.html > Acesso em abril de 2018.

ESQUEF, I. A. Técnicas de Entropia em Processamento de Imagens. Rio de Janeiro, 2002. Dissertação (Mestrado em Instrumentação Científica). Centro Brasileiro de Pesquisas Físicas. Rio de Janeiro, 2002.

GOMES, J.; VELHO, L. Computação Gráfica: imagem. 2ª ed. Rio de Janeiro: IMPA, 2002.

GONZALEZ, R. C.; WOODS, R. E. Processamento digital de imagens. 3ª ed. São Paulo: Editora Pearson, 2009.

KANADE, T. Picture processing system by computer complex and recognition of human faces. PhD thesis, Kyoto University, 1973.

LABAKI, J. Introdução a Phyton – Módulo A. Disponível em http://wiki.python.org.br/DocumentacaoPython?action=AttachFile&do=get&target=material2.pdf > Acesso em Setembro de 2017.

MACHADO, J. L. A. Perde-se 1/5 de uma hora aula, em média, no Brasil... O que fazer?, São José dos Campos, 06 jan. 2016. Disponível em < http://www.planetaeducacao.com.br/portal/artigo.asp?artigo=2686 > Acesso em maio de 2018.

GEITGEY, A. Machine Learning is Fun! Part 4: Modern Face Recognition with Deep Learning. 24 jul. 2016. Disponível em < https://medium.com/@ageitgey/machine-learning-is-fun-part-4-modern-face-recognition-with-deep-learning-c3cffc121d78 > Acesso em maio de 2018.

MENEZES, N. N. C. Introdução à programação com Python: algoritmos e lógica de programação para iniciantes. São Paulo: Novatec Editora, 2010

OPENCV. Face Recognition with OpenCV. Disponível em: < https://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.html > Acesso em outubro de 2017.

SIQUEIRA, M. L. de. Reconhecimento Automático de Padrões em Imagens Ecocardiográficas. Tese (Doutorado em Ciência da Computação). Universidade Federal do Rio Grande do Sul. Porto Alegre, 2010.

TURATI, C. et al. Newborns face recognition: Role of inner and outer facial features. Child Development, 2006.

TURK, M.; PENTLAND, A. Eigen faces for recognition. Journal of Cognitive Neuroscience. 1991, 71–86 p.

VANDERPLAS, Jake. What Is Machine Learning?. In: VANDERPLAS, Jake. Python Data Science Handbook. Sebastopol, United States: O‘Reilly Media, 2016. E-book.

VIOLA, P.; JONES, M. Rapid object detection using a boosted cascade of simple features. In CVPR 2001 – IEEE Conference on Computer Vision and Pattern Recognition, 2001.

RAMOS, V. Porquê aprender Python: 5 motivos para começar agora! Disponível em < https://pythonacademy.com.br/blog/porque-aprender-python-5-motivos-para-aprender-agora>Acesso em Março de 2019.

KAZEMI, Vahid; SULLIVAN, Josephine. One Millisecond Face Alignment with an Ensemble of Regression Trees. Conference: Computer Vision and Pattern Recognition, At Columbus, Ohio, USA, 2014. Disponível em: junho 2014. Acesso em: Abril de 2018.


Apontamentos

  • Não há apontamentos.


ISSN 1984-1213

ISSN 2318-5589

Qualis B2