ALGORITMO PARA DETECÇÃO DE BOCA EM FACES HUMANAS USANDO MATRIZ DE CO-OCORRÊNCIA E SVM

Esse artigo propõe uma metodologia computacional capaz de detectar a componente facial boca em imagens de faces frontais humanas submetidas a diversas condições de iluminação, textura, tamanho, etc. Para a obtenção dos resultados, foram utilizadas técnicas de Processamento de Imagens e Visão Computacional. Para classificá-las, são usados atributos, advindos dos descritores de Haralick, que descrevem as texturas das imagens. A SVM (Máquina de Vetor Suporte, do inglês Support Vector Machine) é usada para reconhecer os padrões das texturas das imagens utilizadas. Os resultados preliminares se mostraram bem promissores, pois atingiram cerca de 84% de acerto na classificação da boca, levando-se em conta que essa metodologia é generalista.Palavras-chave: Detecção de bocas. Matriz de co-ocorrência. Descritores de Haralick. Maquina de vetores suporte.ALGORITHM FOR DETECTION OF MOUTH IN HUMAN FACES USING MATRIX OF CO-OCCURRENCE AND SVMAbstract: This paper proposes a computational methodology that is able to detect the facial component mouth in frontal human face images submitted to a lot of conditions like light, texture, size, etc. To get the results, techniques of Image Processing and Computational Vision were used. Attributes that describe were used to classify the textures of the images, these attributes are obtained by the Haralick descriptors. A SVM (Support Vector Machine) is used to recognize patterns of the textures from the images. The preliminary results were very promising, because the hit rate of mouth classification reached 84% that is a good result considering that this is a generalistic methodology.Keywords: Detection of mouths. Co-occurrence matrix. Haralick descriptors. Support vector machine.ALGORITMO PARA LA DETECCIÓN DE BOCA EN ROSTROS HUMANOS USANDO LA MATRIZ DE CO-EXISTENCIA Y SVMResumen: Este trabajo propone un método computacional capaz de detectar la boca en imágenes faciales de la corteza frontal humana expuestas a diversas condiciones de iluminación, textura, tamaño, etc. Para la obtención de los resultados fueron utilizadas técnicas de Procesamiento de Imágenes y de Visualización Computacional Para clasificarlas, fueron usados los atributos provenientes de los descriptores de Haralick. La SVM (Máquina de Soporte Vectorial, del Inglés Support Vector Machine,) se utiliza para reconocer los padrones de las texturas de las imágenes utilizadas. Los resultados preliminares han demostrado ser prometedores ya que llegaron a aproximadamente el 84% de clasificación correcta de la boca que es un buen resultado teniendo en cuenta que esta metodología es de carácter general.Palabras clave: Detección de la boca. Matriz de co-existencia. Descriptores de Haralick. Máquinas de vectores soporte