/reconhecimento-facial

Primary LanguageJupyter Notebook

Reconhecimento facial utilizando PCA

Projeto

Este projeto tem como objetivo aplicar a técnica de reconhecimento facial utilizando PCA em uma base de dados ORL. Foram utilizadas 10 imagens diferentes de 41 rostos diferentes, totalizando 410 imagens. Como método de amostragem foi utilizado um holdout de 70% das imagens para treino e 30% das imagens para teste.

Ferramentas

Neste projeto foi utilizado a linguagem Python e as bibliotecas: OpenCV, Numpy e Scikit-learn.

Resultados obtidos:

  • Com 10 componentes principais, a acurácia é de 95.9349593495935%.
  • Com 11 componentes principais, a acurácia é de 96.7479674796748%.
  • Com 12 componentes principais, a acurácia é de 96.7479674796748%.
  • Com 13 componentes principais, a acurácia é de 95.9349593495935%.
  • Com 14 componentes principais, a acurácia é de 95.9349593495935%.
  • Com 16 componentes principais, a acurácia é de 95.9349593495935%.
  • Com 17 componentes principais, a acurácia é de 95.9349593495935%.
  • Com 18 componentes principais, a acurácia é de 95.1219512195122%.
  • Com 19 componentes principais, a acurácia é de 95.1219512195122%.
  • Com 20 componentes principais, a acurácia é de 95.1219512195122%.

Executar via Google Colab

  • Acessar o Colab
  • Importar o arquivo reconhecimento_facial.ipynb
  • Criar um diretório "ORL"
  • Importar as imagens dentro do diretório criado
  • Clicar no menu "Ambiente de execução" e depois em "Executar tudo"

Executar usando Docker

  • Instalar Docker
  • Baixar repositório:
    • git clone https://github.com/lucamaral/reconhecimento-facial.git
  • Abrir terminal no diretório do repositório baixado:
  • Construir imagem:
    • docker build -t reconhecimento_facial .
  • Rodar imagem:
    • docker run -it --rm --name reconhecimento_facial_run reconhecimento_facial

Executar localmente

  • Instalar Python 3
  • Baixar repositório:
    • git clone https://github.com/lucamaral/reconhecimento-facial.git
  • Baixar as dependências:
    • pip3 install opencv-contrib-python
    • pip3 install numpy
    • pip3 install scikit-learn
  • Abrir terminal no diretório do repositório baixado e executar:
    • python3 reconhecimento_facial.py

Autor: Lucas Amaral

Projeto referente a disciplina de aprendizado não supervisionado da Pós Graduação em Data Science, FURB.