“O IBM Experience localizado na IBM Tutóia, em São Paulo, é um espaço onde os Clientes e os Parceiros de Negócios podem conhecer e experimentar os produtos e soluções IBM e de Parceiros em tempo real. Com o apoio e incentivo ao desenvolvimento de soluções inovadoras na plataforma Linux com a tecnologia IBM, o Linux Center of Competence; gerenciado por Nuncio Natrielli Jr.; e a NETi TECNOLOGIA, que desenvolveu uma solução de Reconhecimento Facial utilizando a tecnologia da Cognitec System e uma variação biblioteca libhairCAPTURE que atingiu maturidade em sua versão 1.0. disponibilizaram a mesma para ser demonstrada no IBM Experience.
Mais informações sobre o projeto:
Video demonstrativo: http://cabelo.linuxdicas.com.br/videos/corpo010.html
Parceria IBM: http://www-304.ibm.com/jct09002c/gsdod/solutiondetails.do?solutionId=27224&lc=pt-BR&stateCd=P&page=1”
Parece um projeto interessante, espero que consigam alcançar sucesso no produto desenvolvido.
Visitei o site da Cognitec, mas não consegui descobrir nada de relevante sobre como funciona a tecnologia de reconhecimento de face utilizada. Fica a pergunta: qual o índice de acerto da classificação e qual a frequência de falso positivos?
Para aqueles que se interessam pelo assunto, a OpenCV (Open Computer Vision) tem algorítmos para fazer o mesmo. Tanto para identificar face (usando haar classifiers) quanto para geração de descritores/features com wavelet/gabor. A tarefa de pattern matching pode ser implementada depois por conta própria, utilizando algum tipo de classificador estatístico (inclusive a OpenCV tem bastante código pronto para isso)...
Na USP, mais especificamente no IME, já foram feitas algumas teses para obtenção de medidas mais robustas para classificação de face.
Geralmente o reconhecimento de face costuma fazer uso de análise de componentes principais (PCA: Principal Component Analysis) ou transformada de Karhunen-Loeve para projetar o espaço de features (pixels/ROI) para uma dimensão onde seja mais fácil fazer a classificação.
O método de classificação então utilizado após esta transformada varia: podem ser modelos bayesianos, redes neurais, etc.
Como exemplo, na documentação da biblioteca OpenCV vocês encontram o seguinte programa de exemplo:
http://am.esalq.usp.br/tmp/face_recog.jpg
sendo o código responsável:
http://am.esalq.usp.br/tmp/face.cpp
Atenciosamente
Adenilson