Jornal de Sensoriamento Remoto e GIS

Abstrato

Aplicação do teorema “General Sinus” no algoritmo de reconhecimento facial

Mostafa Derraz, Faouzya El Farissi e Abdellatif Ben Abdellah

A interação homem-máquina é um dos atores mais impactantes para o futuro da robótica. Devido à necessidade de melhorar a entrada do robô e de se afastar o mais possível das linhas de comando e alterá-lo para sensores e controladores. A interação homem-máquina (HMI) refere-se à comunicação e interação entre um homem-máquina através de uma interface de utilizador. Hoje em dia, as interfaces naturais do utilizador, como os gestos, estão a atrair cada vez mais a atenção, uma vez que permitem aos humanos controlar as máquinas através de comportamentos naturais e intuitivos. Na HMI baseada em gestos, por exemplo, um sensor e uma câmara são utilizados para captar posturas e movimentos humanos para reconhecer o rosto humano (utilizador), que é processado para controlar uma máquina. A principal tarefa da HMI baseada em gestos é reconhecer expressões significativas do rosto humano e movimentos utilizando os dados fornecidos pela câmara e pelo sensor, incluindo RGB (vermelho, verde, azul), profundidade e informação do esqueleto. Muitos algoritmos de reconhecimento facial baseiam-se em métodos baseados em características que detetam um conjunto de características geométricas no rosto, como os olhos, as sobrancelhas, o nariz e a boca. Propriedades e relações como áreas, distâncias e ângulos entre minúcias (pontos característicos) servem de descritores para o reconhecimento facial. Geralmente, é gerada a necessidade de detetar 30 a 60 pontos característicos para descrever uma face de forma robusta. O desempenho do reconhecimento facial baseado em características geométricas depende da precisão do algoritmo de localização de características ou vamos explorar teoremas e fórmulas geométricas mais de perto. No entanto, não existe uma resposta universal para o problema da quantidade de pontos que proporcionam o melhor desempenho, características importantes e como extraí-los automaticamente. Isto implica que a configuração geométrica geral das características faciais é suficiente para o reconhecimento. Como mencionado acima, existem muitas abordagens para o problema do reconhecimento facial. Um deles baseia-se nos pontos das características faciais. Neste caso, são imagens digitais do retrato frontal. São necessários 30 a 60 pontos para descrever um rosto de forma robusta. A localização de alguns pontos depende da expressão facial. Existem dois problemas: definir e extrair os pontos mais invariantes e encontrar o conjunto de características geométricas ideal para o reconhecimento facial. Há dez anos atrás, desenvolvemos um teorema que reafirmava de outra filosofia o conceito/função de Sinus de trás para a frente, pelo que, passados ​​cinco anos, publicámos o teorema sob o nome "Os Pecados Gerais". No artigo do General Sinus, discutimos os resultados, o contexto e os antecedentes. E como generalizar a função Sinus? O seno geral foi definido por Sin (x, y) com dois parâmetros, que podem ser utilizados no n-gono, não sendo necessário num retângulo. E como aplicamos a função sinusal geral em n-gono? de forma a determinar todas as propriedades intrínsecas do n-gono, utilizando uma quantidade mínima e razoável de dados, onde nenhuma condição se aplica na natureza do n-gono.Demonstramos que esta fórmula é a mais generalizada na geometria euclidiana. Com base no teorema geral do seio, podemos melhorar o desempenho do algoritmo de reconhecimento facial. A aplicação de fórmulas gerais de senos permite tratar pontos mais característicos e obter informação mais precisa como a distância e os ângulos entre cada ponto, melhorando ao mesmo tempo o tempo de processamento do algoritmo para ser mais rápido.