Reconhecimento facial para a identificação de pessoas em ambientes restritos: um estudo avaliativo

dc.contributor.advisor-co1Medeiros, João Paulo de Souza
dc.contributor.authorSantos, Jaine de Senna
dc.contributor.authorLatteshttps://lattes.cnpq.br/2425222634030515pt_BR
dc.contributor.referees1Neto, João Batista Borges
dc.date.accessioned2023-07-24T10:43:23Z
dc.date.available2023-07-24T10:43:23Z
dc.date.issued2023-07-19
dc.description.abstractThis paper presents an evaluative study that aims to investigate the feasibility and effectiveness of using facial recognition systems to identify and monitor individuals in restricted environments. The study utilizes the Haar Cascade algorithm from Viola-Jones for facial detection and conducts a comparative study between the LBPH and SVM facial recognition algorithms from the scikit-learn (sklearn) library. The specific objective is to determine which of these algorithms provides the most efficient and reliable solution for identifying individuals in controlled environments. The experimental results demonstrate that the proposed model is capable of accurately identifying individuals in closed environments. The comparative study revealed that both algorithms are effective in facial recognition, but SVM showed slightly superior performance in terms of accuracy. Based on the obtained results, it can be concluded that the computer vision-based facial recognition model presented in this work can significantly contribute to the security and management of restricted environments, especially in the university context.pt_BR
dc.description.resumoEste trabalho apresenta um estudo avaliativo que tem como objetivo geral investigar a viabilidade e efetividade do uso de sistemas de reconhecimento facial para identificar e monitorar pessoas em ambientes restritos. O estudo utiliza o algoritmo Haar Cascade do Viola-Jones para a detecção facial e realiza um estudo comparativo entre os algoritmos de reconhecimento facial LBPH e SVM da biblioteca scikit-learn (sklearn). O objetivo específico é determinar qual desses algoritmos oferece a solução mais eficiente e confiável para a identificação de indivíduos em ambientes controlados. Os resultados experimentais obtidos demonstram que o modelo proposto é capaz de identificar pessoas com precisão em ambientes fechados. O estudo comparativo revelou que ambos os algoritmos são eficazes no reconhecimento facial, porém o SVM apresentou um desempenho ligeiramente superior em termos de precisão. Com base nos resultados obtidos, conclui-se que o modelo de reconhecimento facial por meio de visão computacional apresentado neste trabalho pode contribuir significativamente para a segurança e gestão de ambientes restritos, especialmente no contexto universitário.pt_BR
dc.identifier.citationSANTOS, Jaine de Senna. Reconhecimento facial para a identificação de pessoas em ambientes restritos: um estudo avaliativo. 2023. 66 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Departamento de Computação e Tecnologia, Centro de Ensino Superior do Seridó, Universidade Federal do Rio Grande do Norte, Caicó, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/54046
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentDepartamento de Computação e Tecnologiapt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programBacharelado em Sistemas de Informaçãopt_BR
dc.rightsAttribution 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/br/*
dc.subjectVisão computacionalpt_BR
dc.subjectReconhecimento facialpt_BR
dc.subjectOpenCVpt_BR
dc.subjectLBPHpt_BR
dc.subjectSVMpt_BR
dc.subjectOpen Source Computer Vision Library (OpenCV)pt_BR
dc.subjectLocal Binary Patterns Histograms (LBPH)pt_BR
dc.subjectSupport Vector Machine (SVM)pt_BR
dc.titleReconhecimento facial para a identificação de pessoas em ambientes restritos: um estudo avaliativopt_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
ReconhecimentoFacialPessoas_Santos_2023.pdf
Tamanho:
2.14 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.45 KB
Formato:
Item-specific license agreed upon to submission
Nenhuma Miniatura disponível
Baixar