Espelhos matriciais

Partindo de teorias da percepção, tem havido um trabalho continuado no domínio da computação e processamento de imagem para construir modelos para tratar e reconhecer imagens naturais. No caso das imagens de rostos as motivações foram diversificadas, mas temos de reconhecer que talvez a mais importante tivesse sido e continue a ser a possibilidade de reconhecer a identidade de utilizadores de diversas aplicações, com vantagens óbvias, nomeadamente na área da segurança.

Existem dois tipos de técnicas. O primeiro grupo faz a identificação baseada na medição de um conjunto de parâmetros que permitem identificar cada rosto. São chamadas por isso técnicas paramétricas (feature based). O segundo grupo faz uma identificação global. Neste caso os valores, que obtêm e que servem para fazer a identificação, não estão de forma directa relacionados com zonas específicas do rosto nem com parâmetros físicos identificáveis, não podendo por isso ser associadas a qualquer característica visível. São chamadas técnicas holísticas e baseiam-se em análises estatísticas de conjuntos de rostos humanos no seu todo.

Recorrem a técnicas como o PCA(Principal Component Analysis), ICA(Independent Component Analysis), LDA (Linear Discriminant Analysis) ou NMF (Non-negative Mattrix Factorization). Todas elas, apesar de distintas, permitem de alguma forma encontrar em grandes quantidades de informação, neste caso retratos, zonas, ou eixos relevantes, que possibilitam identificar os chamados componentes. Para utilizar estas técnicas, os retratos são tratados como dados, considerados como matrizes de pixéis, transformadas em vectores de dimensão N, onde N representa o número total de pixéis.

Figura 3 – Imagem e vector imagem