994 resultados para Análise fotométrica facial
Resumo:
Dissertação de Mestrado, Engenharia Eléctrica e Electrónica, Ramo de Tecnologias de Informação e Telecomunicações, Instituto Superior de Engenharia, Universidade do Algarve, 2009
Resumo:
Dissertação de Mestrado, Biologia Marinha, Especialização em Ecologia e Conservação Marinha, Faculdade de Ciências do Mar e Ambiente, Universidade do Algarve, 2009
Resumo:
Dissertação mest., Biologia e Geologia, Universidade do Algarve, 2006
Resumo:
Tese dout., Engenharia Electrónica e Computação, Universidade do Algarve, 2005
Resumo:
Dissertação mest., Qualidade em análises, Universidade do Algarve, 2006
Resumo:
Dissertação de Mestrado, Supervisão, Especialização em 1.º Ciclo do Ensino Básico, Faculdade de Ciências Humanas e Sociais, Universidade do Algarve, 2008
Resumo:
Dissertação de Mestrado, Gestão e Conservação da Natureza, Faculdade de Ciências do Mar e do Ambiente, Universidade do Algarve, 2007
Resumo:
Dissertação de Mestrado, Biotecnologia, Faculdade de Engenharia de Recursos Naturais, Universidade do Algarve, 2009
Resumo:
Dissertação mest., Gestão Empresarial, Universidade do Algarve, 2008
Resumo:
Dissertação de Mestrado, Aquacultura e Pescas, Especialização em Pescas, Faculdade de Ciências do Mar e do Ambiente, Universidade do Algarve, 2008
Resumo:
Dissertação de mest., Biologia Marinha (Ecologia e Conservação Marinha), Faculdade de Ciências do Mar e do Ambiente, Universidade do Algarve, 2007
Resumo:
Dissertação de mest., Recursos Hídricos, 2007, Faculdade de Engenharia de Recursos Naturais, Universidade do Algarve
Resumo:
Tese dout., Ciências e Tecnologias do Ambiente, 2009, Universidade do Algarve
Resumo:
Face detection and recognition should be complemented by recognition of facial expression, for example for social robots which must react to human emotions. Our framework is based on two multi-scale representations in cortical area V1: keypoints at eyes, nose and mouth are grouped for face detection [1]; lines and edges provide information for face recognition [2].
Resumo:
Empirical studies concerning face recognition suggest that faces may be stored in memory by a few canonical representations. Models of visual perception are based on image representations in cortical area V1 and beyond, which contain many cell layers for feature extraction. Simple, complex and end-stopped cells provide input for line, edge and keypoint detection. Detected events provide a rich, multi-scale object representation, and this representation can be stored in memory in order to identify objects. In this paper, the above context is applied to face recognition. The multi-scale line/edge representation is explored in conjunction with keypoint-based saliency maps for Focus-of-Attention. Recognition rates of up to 96% were achieved by combining frontal and 3/4 views, and recognition was quite robust against partial occlusions.