Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/26486
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Nunes, Eduardo Carvalho | - |
dc.date.accessioned | 2021-11-23T13:19:43Z | - |
dc.date.available | 2021-11-23T13:19:43Z | - |
dc.date.issued | 2019-12-03 | - |
dc.identifier.citation | NUNES, Eduardo Carvalho. Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2019. | pt_BR |
dc.identifier.uri | http://repositorio.utfpr.edu.br/jspui/handle/1/26486 | - |
dc.description | O presente trabalho é resultado de um convênio de dupla diplomação com o Instituto Politécnico de Bragança (Portugal) | pt_BR |
dc.description.abstract | Presence control systems that use perform face authentication need fraud detectors more reliable. A system to able to detect this task automatically and correctly brings a number of practical advantages in the field of biometric authentication. For this problem, an anti-spoofing is developed and serves as a pre-step before face recognition. The proposed approach for false face detection is to use NIR infrared camera and machine learning with deep learning. In this dissertation, it was created a database of fake and real face images with an infrared camera. From the images, three datasets were created to implement the machine learning models: Decision Tree, Random Forest, KNN, SVM and MLP. For the construction of the face recognition prototype with anti-spoofing, the Python programming language, the OpenFace, Scikit-Learn, OpenCV and Flask programming libraries were used. From these trained tools and models it was possible to have an accuracy of 97.50% for detection of false faces and real faces with the SVM classifier. For face recognition, a reliable threshold (from 0 to 1) of 0.6 for systems using 1 to N format authentication and 0.25 to 1 to 1 format threshold is set. It is intended that the proposed prototype be tested on a network of attendance at IPB. | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Tecnológica Federal do Paraná | pt_BR |
dc.rights | openAccess | pt_BR |
dc.subject | Sistemas de reconhecimento de padrões | pt_BR |
dc.subject | Fisiognomia | pt_BR |
dc.subject | Fraude - Prevenção | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Pattern recognition systems | pt_BR |
dc.subject | Physiognomy | pt_BR |
dc.subject | Fraud - Prevention | pt_BR |
dc.subject | Machine learning | pt_BR |
dc.title | Deteção de face falsa com imagem NIR multiespectral e proposta de sistema biométrico facial para controle de presença | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.description.resumo | Os sistemas de controle de presenças que realizam a autenticação através de faces carecem de detectores de fraudes para que sejam mais confiáveis. Um sistema capaz de executar essa tarefa automaticamente e corretamente vem trazer uma série de vantagens práticas no domínio da autenticação biométrica. Para atender esta carência, um detector de face falsa é desenvolvido e serve como um pré-passo antes do reconhecimento facial. A abordagem proposta para detecção de face falsa é utilizar câmera infravermelha do espectro NIR e machine learning, referida de deep learning. Neste trabalho foi criado uma base de dados de imagens de faces falsas e reais com auxílio de uma câmera com luz infravermelha NIR. A partir das imagens, foram gerados três datasets para implementação dos modelos de machine learning: Árvore de Decisão, Random Forest, KNN, SVM e MLP. Para a construção do protótipo de reconhecimento facial com detector de face falsa foi utilizado a linguagem Python de programação, as bibliotecas de programação: OpenFace, Scikit-Learn, OpenCV e Flask. A partir destas ferramentas e modelos treinados foi possível ter uma acurácia de 97.50% para detecção de faces falsas e faces reais com o classificador SVM. Para o reconhecimento facial foi definido uma limiar (de 0 a 1) confiável de 0.6 para sistemas que utilizam autenticação no formato 1 para N e limiar 0.2 para formato 1 para 1. Pretende-se que no futuro, o protótipo proposto seja ensaiado numa rede de terminais de marcação de presenças no IPB. | pt_BR |
dc.degree.local | Ponta Grossa | pt_BR |
dc.publisher.local | Ponta Grossa | pt_BR |
dc.contributor.advisor1 | Andrade, Mauren Louise Sguario Coelho de | - |
dc.contributor.advisor-co1 | Rodrigues, Pedro João Soares | - |
dc.contributor.referee1 | Rodrigues, Pedro João Soares | - |
dc.contributor.referee2 | Fernandes, José Eduardo Moreira | - |
dc.contributor.referee3 | Andrade, Mauren Louise Sguario Coelho de | - |
dc.contributor.referee4 | Igrejas, Getúlio Paulo Peixoto | - |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.program | Ciência da Computação | pt_BR |
dc.publisher.initials | UTFPR | pt_BR |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | pt_BR |
Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
detecaofacecontrolepresenca.pdf | 1,79 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.