@MASTERSTHESIS{ 2023:1090106699,
 	title = {Comparação de métodos de reconhecimento facial utilizando Fisherface},
 	year = {2023},
 	url = "https://bdtd.unifal-mg.edu.br:8443/handle/tede/2343",
 	abstract = "Os seres humanos têm a habilidade natural de reconhecer rostos de pessoas
 conhecidas e identificá-las pelo nome. Esse processo de reconhecimento facial é
 realizado diariamente, seja ao cumprimentar pessoas conhecidas na rua pelo nome
 ou ao visualizar uma imagem de um rosto familiar. Embora seja uma tarefa trivial
 para os seres humanos, o reconhecimento facial automatizado é uma tarefa
 extremamente complexo para um computador executar. Ao longo dos anos, diversos
 autores propuseram vários algoritmos de reconhecimento facial com o objetivo de
 aumentar a taxa de acerto na predição. Portanto, a presente dissertação de
 mestrado explora duas abordagens para o algoritmo de reconhecimento facial
 Fisherface: (i) abordagem segmentada e (ii) realização do alinhamento da face para
 cada imagem do banco de faces. As duas abordagens foram testadas analisando
 três indicadores de desempenho: acurácia, tempo total de processamento e carga
 total gasta com a execução do algoritmo. Os resultados demonstraram que é
 essencial realizar a abordagem de alinhamento de faces para a obtenção de
 melhores taxas de acurácia. A abordagem segmentada necessitou de baixo
 consumo de memória na realização dos testes, mas apresentou menor taxa média
 de acurácia quando executada em um banco de faces normalizado.",
 	publisher = {Universidade Federal de Alfenas},
 	scholl = {Programa de Pós-Graduação em Estatística Aplicada e Biometria},
 	note = {Instituto de Ciências Exatas}
}