Análise de Performance de um Algoritmo de Reconhecimento Facial por Visão Computacional Aplicado a Sistemas Embarcados

Abstract

A tarefa de reconhecimento facial para biometria é considerada um processo bastante complexo computacionalmente, pois sofrem a influência de fatores externos tais como variação de iluminação, ruídos na imagem, alterações de expressão facial, uso de acessórios e pose. Apesar de apresentar uma complexidade considerável, é uma excelente forma de autenticação biométrica e reconhecimento de indivíduos, de forma que se torna uma ferramenta essencial para as áreas de segurança e monitoramento. Embora complexo, nos últimos anos várias abordagens foram propostas e principalmente com o advento das tecnologias de redes neurais convolucionais, vários frameworks computacionais foram propostos na tentativa de solução do problema. No entanto, as abordagens existentes tendem a requerer elevados níveis de exigência computacional, sendo moderadamente explorados e verificados no contexto de sistemas embarcados, que justamente surgem como alternativas ao custo monetário, energético, tamanho e customização. Este trabalho apresenta como principal foco análise de desempenho de dois sistemas embarcados distintos e consequentemente a verificação de viabilidade de implementação e uso dos sistemas de reconhecimento facial em plataformas de hardware embarcados. Para este propósito, este trabalho abordou a adoção de um framework para reconhecimento facial e a sua comparação em dois modelos de hardwares distintos. Os resultados experimentais obtidos demonstraram a viabilidade de execução do framework para reconhecimento facial em tempo real (considerando somente a etapa de classificação) em plataformas embarcadas, tendo como base as recentes estratégias de Redes Neurais Convolucionais.

Facial recognition for biometrics is considered a computationally complex task, since it is subjected to external factors, such as illumination variation, image noise, facial expression variation, use of accessories and pose. At the same time it presents a con- siderable complexity, it is an excellent way for biometric authentication and individual recognition, so much so that it becomes an essential tool for security and monitoring purposes. While complex, in recent years many computational approaches have been proposed and with the advent of convolutional neural networks, many frameworks have been proposed in attempt to solve this problem. However, existing approaches have a tendency of requiring high computational effort, causing them to be moder- ately explored and verified in the context of embedded systems, which figures as an alternative with lower monetary, energetic, size and customization costs. This paper presents as its main focus a performance analysis of two distinct embedded systems and consequently the feasibility verification for implementation of facial recognition systems in embedded hardware platforms. For this purpose, this paper proposes the introduction of a facial recognition framework and compares it in two distinct hardware models. The experimental results prove the feasibility of using the proposed framework for real-time facial recognition (considering just the classification step) in embedded systems, based on recent convolutional neural network strategies.