Use este identificador para citar ou linkar para este item: http://repositorio.upf.br/handle/riupf/2084
Tipo: Trabalho de Conclusão de Curso
Título: Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de Redes Neurais
Autor(es): Borges Salla, Reinaldo
Primeiro Orientador: Toazza, Adriano Luis
Resumo: Avanços no campo de detecção e identificação facial efetivamente passam pela criação de modelos que permitam a extração automática de representações úteis em imagens. Neste contexto, este trabalho procurou explorar modelos de inteligência artificial, capazes de extrair milhões e até bilhões de representações em imagens contendo características faciais. O modelo desenvolvido neste trabalho consistiu em uma rede neural siamesa, formada por um par de redes neurais convolucionais idênticas utilizadas para calcular a diferença entre imagens. O modelo foi desenvolvido através da biblioteca TensorFlow, recentemente lançada pelo Google, e foi treinado com aproximadamente 700.000 imagens. Foi possível obter 84,78% de acurácia no conjunto de dados MUCT. Porém, como a aplicação específica para este trabalho consistiu em habilitar o acesso de usuários em um ambiente restrito, mediante registro prévio, para um sistema em tempo real, também procurou-se utilizar uma rede neural pré-treinada, que consistiu em uma implementação do modelo ResNet treinado com 3 milhões de imagens, disponível em uma biblioteca para a linguagem de programação Python denominada Face Recognition. Através deste método, foi possível obter 97,81% de acurácia no conjunto de dados MUCT. Portanto, foram apresentadas duas abordagens diferentes referentes à identificação facial, e utilizando-se do microcomputador Raspberry Pi, este projeto resultou na simulação do acesso de diferentes indivíduos em um ambiente controlado, através da pesquisa e do desenvolvimento de redes neurais com aplicações em visão computacional e reconhecimento facial.
Resumo Alternativo: Advances in the field of facial identification and facial detection effectively go through the creation of models that allow the automatic extraction of useful representations in images. In this context, this work intended to explore models of artificial intelligence, that promote the extraction of millions and even billions of representations in images containing facial characteristics. The model developed in this work consisted in a siamese neural network, formed by a pair of identical convolutional neural networks used to calculate the difference between images. The model was developed through the TensorFlow library, recently released by Google, and it was trained with approximately 700,000 images. It was possible to obtain 84.78% accuracy in the MUCT dataset. However, as the specific application for this work consisted in enabling the access of users in a restricted environment, upon previous registration, for a real time system, this projects also sought to use a pretrained neural network, which consisted in a implementation of the ResNet model, trained with 3 million images, available in a library for the Python programming language called Face Recognition. Through this method, it was possible to reach a 97.81% accuracy on the MUCT dataset. Thus, it was presented two different approaches for facial identification, and using the Raspberry Pi microcomputer, this project resulted in the simulating of the access of different individuals in a controlled environment, through the research and the development of neural networks with applications in computer vision and facial recognition.
Palavras-chave: Engenharia Elétrica
Inteligência artificial
Rede neural Siamesa
Redes neurais convolucionais
TensorFlow
ResNet
Visão computacional
Reconhecimento facial
Python
Idioma: por
País: Brasil
Editor: Universidade de Passo Fundo
Sigla da Instituição: UPF
Faculdade, Instituto ou Departamento: Faculdade de Engenharia e Arquitetura - FEAR
Citação: SALLA, Reinaldo Borges. Sistema para Controle de acesso em ambientes restritos utilizando reconhecimento facial através de redes neurais. 2019. 78 f.Trabalho Final de Graduação (Engenheiro Eletricista). Curso de Engenharia Elétrica. Universidade de Passo Fundo, Passo Fundo, 2019.
Tipo de Acesso: Acesso Aberto
URI: http://repositorio.upf.br/handle/riupf/2084
Data do documento: 12-Dez-2019
Aparece nas coleções:FEAR - Curso de Engenharia Elétrica - Trabalhos de Conclusão de Curso de Graduação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PF2019ReinaldoBorgesSalla.pdfTrabalho Final de Graduação2,95 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.