Giovani Chiachia

Pós-doutorado

Idiomas

Áreas de atuação

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• MENOTTI, DAVID ; CHIACHIA, GIOVANI ; PINTO, ALLAN ; SCHWARTZ, WILLIAM ROBSON ; PEDRINI, HELIO ; FALCAO, ALEXANDRE XAVIER ; ROCHA, ANDERSON . Deep Representations for Iris, Face, and Fingerprint Spoofing Detection. IEEE Transactions on Information Forensics and Security , v. 10, p. 864-879, 2015.

• RUPPERT, GUILHERME C.S. ; CHIACHIA, GIOVANI ; BERGO, FELIPE P.G. ; FAVRETTO, FERNANDA O. ; YASUDA, CLARISSA L. ; ROCHA, ANDERSON ; FALCÃO, ALEXANDRE X. . Medical image registration based on watershed transform from greyscale marker and multi-scale parameter search. Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization , v. ., p. 1-19, 2015.

• CHIACHIA, GIOVANI ; FALCAO, ALEXANDRE X. ; PINTO, NICOLAS ; ROCHA, ANDERSON ; COX, DAVID . Learning Person-Specific Representations From Faces in the Wild. IEEE Transactions on Information Forensics and Security , v. 9, p. 2089-2099, 2014.

• GUILHERME, I. R. ; CHIACHIA, G. ; MARANA, A. N. ; PAPA, J. P. ; AFONSO, L. C. S. ; MIURA, K. ; FERREIRA, M. V. D. ; TORRES, F. . Petroleum well drilling monitoring through cutting image analysis and artificial intelligence techniques. Engineering Applications of Artificial Intelligence , v. 24, p. 201-207, 2011.

• RIBEIRO, I. ; MARANA, A. N. ; CHIACHIA, G. . Reconhecimento de Faces sob Diferentes Condições de Iluminação Utilizando PCA e a Transformada Census. Learning and Nonlinear Models , v. 9, p. 138-144, 2011.

• CHIACHIA, G. ; MARANA, A. N. ; RUF, T. ; ERNST, A. . CENSUS HISTOGRAMS: A SIMPLE FEATURE EXTRACTION AND MATCHING APPROACH FOR FACE RECOGNITION. International Journal of Pattern Recognition and Artificial Intelligence , v. 25, p. 1337-1348, 2011.

• RAMOS, C. C. O. ; CHIACHIA, G. ; SOUZA, A. N. ; FALCAO, A. X. ; PAPA, J. P. . A novel algorithm for feature selection using Harmony Search and its application for non-technical losses detection. Computers & Electrical Engineering , v. 37, p. 886-894, 2011.

• GUILHERME, I. R. ; CHIACHIA, G. ; MARANA, A. N. ; PAPA, J. P. ; FALCAO, A. X. ; MIURA, K. ; FERREIRA, M. V. D. ; TORRES, F. . Fast Petroleum Well Drilling Monitoring Through Optimum-Path Forest. Journal of Next Generation Information Technology , v. 1, p. 77-85, 2010.

• MENOTTI, D. ; CHIACHIA, G. ; FALCAO, A. X. ; OLIVEIRA NETO, V. J. . Vehicle License Plate Recognition With Random Convolutional Networks. In: IEEE Conference on Graphics, Patterns and Images (SIBGRAPI), 2014, Rio de Janeiro. SIBGRAPI 2014. p. 298-303.

• GUNTHER, M. COSTA-PAZO, A. DING, C. BOUTELLAA, E. CHIACHIA, G. ZHANG, H. DE ASSIS ANGELONI, M. STRUC, V. KHOURY, E. VAZQUEZ-FERNANDEZ, E. TAO, D. BENGHERABI, M. COX, D. KIRANYAZ, S. DE FREITAS PEREIRA, T. ZGANEC-GROS, J. ARGONES-RUA, E. PINTO, N. GABBOUJ, M. SIMOES, F. DOBRISEK, S. GONZALEZ-JIMENEZ, D. ROCHA, A. NETO, M. ULIANI PAVESIC, N. , et al. FALCAO, A. VIOLATO, R. MARCEL, S. ; The 2013 face recognition evaluation in mobile environment. In: 2013 International Conference on Biometrics (ICB), 2013, Madrid. 2013 International Conference on Biometrics (ICB). p. 1.

• CHIACHIA, GIOVANI ; PINTO, NICOLAS ; SCHWARTZ, WILLIAM ; ROCHA, ANDERSON ; FALCÃO, ALEXANDRE ; COX, DAVID . Person-Specific Subspace Analysis for Unconstrained Familiar Face Identification. In: British Machine Vision Conference 2012, 2012, Surrey. Procedings of the British Machine Vision Conference 2012. p. 101.1.

• PAPA, J. P. ; PAGNIN, A. ; SCHELLINI, S. A. ; SPADOTTO, A. ; GUIDO, R. C. ; PONTI, M. ; CHIACHIA, G. ; FALCAO, A. X. . Feature selection through gravitational search algorithm. In: ICASSP 2011 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2011, Prague. 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). p. 2052-2055.

• RAMOS, CAIO C. O. ; PAPA, JOAO P. ; SOUZA, ANDRE N. ; CHIACHIA, GIOVANI ; FALCAO, ALEXANDRE X. . What is the importance of selecting features for non-technical losses identification?. In: 2011 IEEE International Symposium on Circuits and Systems (ISCAS), 2011, Rio de Janeiro. 2011 IEEE International Symposium of Circuits and Systems (ISCAS). p. 1045-1048.

• CHIACHIA, GIOVANI ; FALCAO, ALEXANDRE X. ; ROCHA, ANDERSON . Person-specific face representation for recognition. In: 2011 IEEE International Joint Conference on Biometrics (IJCB), 2011, Washington. 2011 International Joint Conference on Biometrics (IJCB). p. 1.

• RIBEIRO, I. ; CHIACHIA, G. ; MARANA, A. N. . Reconhecimento de Faces Utilizando Análise de Componentes Principais e a Transformada Census. In: VI Workshop de Visão Computacional - WVC, 2010, Presidente Prudente. Anais do WVC 2010 (ISSN 2175-6120), 2010.

• CHIACHIA, GIOVANI ; MARANA, APARECIDO N. ; PAPA, JOAO P. ; FALCAO, ALEXANDRE X. . Infrared Face Recognition by Optimum-Path Forest. In: 2009 16th International Conference on Systems, Signals and Image Processing, 2009, Chalkida. 2009 16th International Conference on Systems, Signals and Image Processing. p. 1.

• MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. . Introdução ao Reconhecimento de Padrões. In: DINCON'09 - 8th Brazilian Conference on Dynamics, Control and Applications, 2009, Bauru. Proceedings of the 8th Brazilian Conference on Dynamics, Control and Applications, 2009. v. 8.

• MARANA, APARECIDO N. ; CHIACHIA, GIOVANI ; GUILHERME, IVAN R. ; PAPA, JOÃO P. . An Intelligent System for Petroleum Well Drilling Cutting Analysis. In: 2009 International Conference on Adaptive and Intelligent Systems (ICAIS), 2009, Klagenfurt. 2009 International Conference on Adaptive and Intelligent Systems. p. 37.

• CHIACHIA, G. ; KUBLBECK, C. ; MARANA, A. N. . Improving Face Recognition with Multispectral Fusion and Support Vector Machines. In: XXII Brazilian Symposium on Computer Graphics and Image Processing, 2009, Rio de Janeiro. Proceedings of the XXII Brazilian Symposium on Computer Graphics and Image Processing, 2009.

• MARANA, A. N. ; CHIACHIA, G. ; Guilhereme, I.R. ; PAPA, J. P. ; MIURA, K. ; FERREIRA, M. V. D. ; TORRES, F. . Estimativa de Volume de Cascalho Usando Máquinas de Vetores de Suporte. In: III Encontro Nacional de Hidráulica de Poços e Estimulação, 2009, Campos do Jordão. Anais do ENAHPE, 2009.

• MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. . Análise de Desempenho de Classificadores Baseados em Redes Neurais, Máquinas de Vetores de Suporte e Florestas de Caminhos Ótimos para o Reconhecimento de Dígitos Manuscritos. In: V Workshop de Visão Computacional, 2009, São Paulo. Anais do V Workshop de Visão Computacional, 2009.

• CHIACHIA, G. ; PENTEADO, B. E. ; MARANA, A. N. . Fusão de Métodos de Reconhecimento Facial através da Otimização por Enxame de Partícula. In: IV Workshop de Visão Computacional, 2008, Bauru. Anais do WVC 2008, 2008.

• LI, L. T. ; PENATTI, O. A. B. ; ALMEIDA, J. ; CHIACHIA, G. ; CALUMBY, R. T. ; MENDES, P. R. ; PEDRONETTE, D. C. G. ; TORRES, R. S. . Multimedia Geocoding: The RECOD 2014 Approach. In: MediaEval, 2014, Barcelona. MediaEval.

• CALUMBY, R. T. ; SANTANA, V. P. ; CORDEIRO, F. S. ; PENATTI, O. A. B. ; LI, L. T. ; CHIACHIA, G. ; TORRES, R. S. . Recod@MediaEval 2014: Diverse Social Images Retrieval. In: MediaEval, 2014, Barcelona. MediaEval, 2014.

• RIBEIRO, I. ; MARANA, A. N. ; CHIACHIA, G. . Análise do Desempenho da Transformada Census no Reconhecimento de Faces Utilizando Análise de Componentes Principais. In: Congresso de Iniciação Científica da UNESP, 2010, Bauru. XXII Congresso de Iniciação Científica da UNESP. v. VI. p. 6537-6540.

• AFONSO, L. C. S. ; MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. ; Guilhereme, I.R. . Análise de Volume de Cascalhos Obtidos na Perfuração de Poços de Petróleo Utilizando Floresta de Caminhos Ótimos e Mapa de Auto-Organização de Kohonen. In: Congresso de Iniciação Científica da UNESP, 2010, Bauru. XXII Congresso de Iniciação Científica da UNESP. v. VI. p. 5951-5954.

• CHIACHIA, G. ; MARANA, A. N. . Fusion of Infrared and Visible Spectra Face Recognition Methods. In: XXI Brazilian Symposium on Computer Graphics and Image Processing, 2008, Campo Grande. Anais do SIBGRAPI 2008 - Technical Posters, 2008.

• AFONSO, L. C. S. ; MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. ; GUILHERME, I. R. . Análise de Volume de Cascalhos Obtidos na Perfuração de Poços de Petróleo Utilizando Floresta de Caminhos Ótimos e Mapa Auto-Organizável de Kohonen. In: 18º Simpósio Internacional de Iniciação Científica da Universidade de São Paulo, 2010, São Paulo. Anais do SIICUSP, 2010.

• RIBEIRO, I. ; MARANA, A. N. ; CHIACHIA, G. . Reconhecimento de Faces Usando a Transformada Census. In: Simpósio Internacional de Iniciação Científica da USP, 2010, São Paulo. 18 SIICUSP, 2010.

• AFONSO, L. C. S. ; MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. ; GUILHERME, I. R. . Análise de Volume de Cascalhos Obtidos na Perfuração de Poços de Petróleo Utilizando Máquinas de Vetores de Suporte. In: 17º Simpósio Internacional de Iniciação Científica da USP, 2009, São Carlos. Anais do 17º Simpósio Internacional de Iniciação Científica da USP, 2009.

• AFONSO, L. C. S. ; MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. ; GUILHERME, I. R. . Análise de Volume de Cascalhos Obtidos na Perfuração de Poços de Petróleo Utilizando Máquinas de Vetores de Suporte e Funções de Ajuste. In: XXI Congresso de Iniciação Científica da Unesp, 2009, São José do Rio Preto. Anais do XXI Congresso de Iniciação Científica da Unesp, 2009.

• CHIACHIA, G. . Computação na Prática: Introdução do Reconhecimento de Faces Automático. 2013. (Apresentação de Trabalho/Conferência ou palestra).

• CHIACHIA, G. . The 2013 Face Recognition Evaluation in Mobile Environment. 2013. (Apresentação de Trabalho/Congresso).

• CHIACHIA, G. . Deep Learning - Concepts, Challenges, Solutions and Applications. 2013. (Apresentação de Trabalho/Seminário).

• CHIACHIA, G. . Object Recognition with Deep Visual Hierarchies: An Overview. 2013. (Apresentação de Trabalho/Seminário).

• CHIACHIA, G. . Person-Specific Subspace Analysis for Unconstrained Familiar Face Identification. 2012. (Apresentação de Trabalho/Congresso).

• CHIACHIA, G. . Reconhecimento Biométrico/Facial: Conceitos e Aplicações. 2011. (Apresentação de Trabalho/Conferência ou palestra).

• CHIACHIA, G. . Person-Specific Face Representation for Recognition. 2011. (Apresentação de Trabalho/Congresso).

• CHIACHIA, G. . (MSPS) A Black-box Global Optimization Approach with Applications in Benchmark and Face Image Registration Problems. 2011. (Apresentação de Trabalho/Simpósio).

• CHIACHIA, G. . Uma Introdução ao Reconhecimento Facial Automático. 2010. (Apresentação de Trabalho/Conferência ou palestra).

• CHIACHIA, G. . Improving Face Recognition with Multispectral Fusion and Support Vector Machines. 2009. (Apresentação de Trabalho/Congresso).

• MARANA, A. N. ; PAPA, J. P. ; CHIACHIA, G. . Introdução ao Reconhecimento de Padrões. 2009. (Apresentação de Trabalho/Conferência ou palestra).

• CHIACHIA, G. . Práticas de Programação Extrema aplicadas no Ensino de Pós-Graduação: Motivação e Produtividade. 2007. (Apresentação de Trabalho/Congresso).

• CHIACHIA, G. ; FALCAO, A. X. ; ROCHA, A. . Multiscale Parameter Search (MSPS): A Deterministic Approach for Black-box Global Optimization. Institute of Computing, University of Campinas, 2011 (Relatório Técnico).

Outras produções

Projetos de pesquisa

• 2013 - Atual

  Novos Métodos para Aprendizado de Hierarquias Visuais Profundas, Projeto certificado pelo(a) coordenador(a) Alexandre Xavier Falcão em 09/09/2013., Descrição: Enquanto os seres humanos demonstram habilidade impressionante no reconhecimento de objetos mesmo sob condições adversas de observação, a visão por computador ainda está restrita ao reconhecimento de objetos específicos sob condições de observação controladas. Com o intuito de reproduzir as habilidades humanas, neurocientistas que trabalham com visão vêm por muito tempo desvendando informações importantes sobre os mecanismos empregados pelo cérebro no processamento de informações visuais. Hoje em dia, o uso de hierarquias visuais feedforward, contendo muitas camadas com operações biologicamente plausíveis lineares e não-lineares, tem conferido aos computadores uma capacidade surpreendente na execução de tarefas como reconhecer faces, animais, veículos, e uma série de outros objetos. Uma propriedade interessante dessas hierarquias é que elas operam diretamente sobre o domínio da imagem, e que, com operações simples, elas são capazes de aprender passos para o processamento da imagem que, em abordagens tradicionais de visão computacional, teriam que ser manualmente projetados. Apesar desses resultados recentes, muitas questões persistem sobre como aprender hierarquias visuais profundas. Sua arquitetura, por exemplo, parece ser especialmente relevante. Outro aspecto relevante é como treinar tal hierarquia de tal forma que ela possa efetivamente aprender a extrair informações significativas das imagens. Neste projeto, nós propomos direções plausíveis para avançar nesses aspectos. Nós acreditamos que temos meios para progredir em tais direções -- apresentando resultados preliminares para uma delas -- e que o cumprimento das atividades a elas associadas nos permitirá obter novos níveis de desempenho em problemas difíceis de visão computacional, tais como reconhecimento facial não controlado, reconhecimento de objetos em geral, recuperação de imagens baseada em conteúdo, entre outros.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Giovani Chiachia - Integrante / Alexandre Xavier Falcão - Coordenador / Anderson Rocha - Integrante / David Cox - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

• 2010 - 2013

  Aprendendo Representações Específicas para a Face de cada Pessoa, Projeto certificado pelo(a) coordenador(a) Alexandre Xavier Falcão em 22/11/2013., Descrição: Os seres humanos são especialistas natos em reconhecimento de faces, com habilidades que excedem em muito as dos métodos automatizados vigentes, especialmente em cenários não controlados, onde não há a necessidade de colaboração por parte do indivíduo sendo reconhecido. No entanto, uma característica marcante do reconhecimento de face humano é que nós somos substancialmente melhores no reconhecimento de faces familiares, provavelmente porque somos capazes de consolidar uma grande quantidade de experiência prévia com a aparência de um certo indivíduo e de fazer uso efetivo dessa experiência para nos ajudar no reconhecimento futuro. De fato, pesquisadores em psicologia têm até mesmo sugerido que a representação interna que fazemos das faces pode ser parcialmente adaptada ou otimizada para rostos familiares. Enquanto isso, a situação análoga no reconhecimento facial automatizado --- onde um grande número de exemplos de treinamento de um indivíduo estão disponíveis --- tem sido muito pouco explorada, apesar da crescente relevância dessa abordagem na era das mídias sociais. Inspirados nessas observações, nesta tese propomos uma abordagem em que a representação da face de cada pessoa é explicitamente adaptada e realçada com o intuito de reconhecê-la melhor. Apresentamos uma coleção de métodos de aprendizado que endereça e progressivamente justifica tal abordagem. Ao aprender e operar com representações específicas para face de cada pessoa, nós somos capazes de consistentemente melhorar o poder de reconhecimento dos nossos algoritmos. Em particular, nós obtemos resultados no estado da arte na base de dados PubFig83, uma desafiadora coleção de imagens instituída e tornada pública com o objetivo de promover o estudo do reconhecimento de faces familiares. Nós sugerimos que o aprendizado de representações específicas para face de cada pessoa introduz uma forma intermediária de regularização ao problema de aprendizado, permitindo que os classificadores generalizem melhor através do uso de menos --- porém mais relevantes --- características faciais.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (1) . , Integrantes: Giovani Chiachia - Integrante / Alexandre Xavier Falcão - Coordenador / Anderson Rocha - Integrante / David Cox - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa., Número de produções C, T & A: 3

• 2009 - 2011

  ARPIs: Aprendizado e Reconhecimento de Padrões em Imagens por Florestas de Caminhos Ótimos, Projeto certificado pelo(a) coordenador(a) Alexandre Xavier Falcão em 22/11/2013., Descrição: Novas tecnologias permitem adquirir e armazenar milhares de imagens com milhões de pixels cada, gerando grandes volumes de dados para análise. Técnicas de aprendizado e reconhecimento de padrões em imagens têm um papel fundamental na análise, mas o custo computacional elevado para grandes bases de dados (milhões de amostras) compromete a eficácia dessas técnicas, inviabilizando o uso de métodos populares (como redes neurais e máquinas de vetores de suporte) em aplicações onde o aprendizado com milhares de amostras deve ser repetido diversas vezes durante o processamento dos dados. Este projeto aborda o problema explorando e estendendo uma técnica recente de projeto de classificadores de padrões por floresta de caminhos ótimos. Esta técnica tem gerado resultados promissores em diversas aplicações, onde sua eficácia é maior ou equivalente à obtida por redes neurais e máquinas de vetores de suporte, sendo dezenas a milhares de vezes mais rápida do que ambas. Neste contexto, o projeto investigará técnicas de segmentação de imagens; descritores, combinação de descritores e classificação de padrões para pixels, imagens e objetos de imagem; recuperação de imagens em grandes bases de dados por conteúdo de forma, cor e textura; e mineração de dados. A proposta envolve o trabalho de alunos de mestrado e doutorado, favorece o amadurecimento científico de recém-doutores e contempla a inovação tecnológica por visar algumas aplicações práticas, tais como: ferramentas computacionais para delimitação de plantações de café em imagens de satélite; edição de fotos; rastreamento de objetos em vídeo; diagnóstico automatizado de parasitos em imagens de microscopia óptica; entendimento de doenças cerebrais por análise de assimetrias a partir de imagens de ressonância magnética; etc. Pretende-se, também, desenvolver novos algoritmos de aprendizado (supervisionado, não-supervisionado e semi-supervisionado) usando floresta de caminhos ótimos, modelos de objeto integrados com a abordagem de floresta de caminhos ótimos para segmentação automática de imagens e técnicas híbridas de reconhecimento de padrões.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (10) Doutorado: (6) . , Integrantes: Giovani Chiachia - Integrante / Alexandre Xavier Falcão - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2009 - 2010

  Detecção Precoce de Problemas de Perfuração de Poços de Petróleo por Meio da Análise de Cascalhos, Descrição: A exploração de petróleo no mar começou há mais de um século. Nos últimos 70 anos, o desenvolvimento de novas tecnologias permitiu colocar ao alcance das sondas perfuratrizes praticamente todos os lençóis de petróleo, a qualquer profundidade do mar. No Brasil, a Petrobrás desenvolveu tecnologia para a perfuração e a exploração de Petróleo e Gás a profundidades no mar de até 2000 metros. Apesar de todo desenvolvimento tecnológico, a Engenharia de Perfuração avançou de forma discreta na área de análise de dados de perfuração. As técnicas de análise de dados de perfuração não se consolidaram o suficiente para acompanhar o aumento na disponibilidade de dados. Nas atividades de perfuração de poços de petróleo são gerados grandes volumes de dados. A análise desses dados requer o conhecimento especializado de técnicos e engenheiros envolvidos nas atividades, para se obter informações úteis que possam prevenir ou minimizar problemas. Ao se perfurar um poço de petróleo produz-se cascalho, proveniente da rocha triturada. O cascalho gerado é uma das importantes fontes de informação que podem ser utilizadas no diagnóstico de ocorrências de anormalidades. Os cascalhos, em geral, apresentam formas e tamanhos semelhantes quando a perfuração está sendo executada em operação normal. Mudanças no formato ou no tamanho podem indicar a ocorrência de anormalidades, como, por exemplo, o desmoronamento do poço. O desmoronamento do poço é caracterizado pela queda de blocos ou fragmentos que se desprendem após a passagem da broca de perfuração. Uma das principais causas do desmoronamento é a insuficiência de pressão hidrostática no interior do poço. Como resultado do desmoronamento pode ocorrer o alargamento do poço. Condições severas de desmoronamento podem provocar packer hidráulico e prisão da coluna de perfuração. Uma das maneiras de identificar a ocorrência do desmoronamento é através da observação dos cascalhos provenientes do poço. A detecção de fragmentos de formato e tamanho.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Giovani Chiachia - Integrante / Ivan Rizzo Guilherme - Coordenador / Aparecido Nilceu Marana - Integrante / João Paulo Papa - Integrante / Evandro de Castro Carmo - Integrante., Financiador(es): Petróleo Brasileiro - Rio de Janeiro - Matriz - Auxílio financeiro.

• 2008 - 2013

  Métodos de Aproximação para Computação Visual, Descrição: O objetivo deste projeto é o desenvolvimento de algoritmos, técnicas matemáticas e ferramentas de software para problemas de computação visual, baseadas em conceitos de aproximação matemática. Computação visual inclui geometria computacional, modelagem geométrica, síntese de imagens e animações, visualização científica, visão computacional, codificação e processamento de imagens e reconhecimento de padrões. Por aproximação matemática entende-se a substituição de um fenômeno real ou modelo matemático complexo por um modelo mais simples ou mais eficiente, com garantias teóricas ou experimentais sobre os erros decorrentes dessa substituição. Os sub itens específicos deste projeto refletem a experiência acumulada e as idéias originais dos membros nas grandes áreas acima mencionadas, e oferecerão muitas oportunidades de sinergia e cooperação.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Giovani Chiachia - Integrante / Alexandre Xavier Falcão - Integrante / Jorge Stolfi - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2008 - 2011

  Reconhecimento de Faces Baseado na Fusão dos Espectros Visível e Infravermelho, Projeto certificado pelo(a) coordenador(a) Aparecido Nilceu Marana em 22/11/2013., Descrição: A grande maioria dos modelos computacionais de reconhecimento de faces propostos nos últimos 30 anos é baseada no espectro visível e apresenta desempenho satisfatório quando restrita a condições favoráveis de iluminação e expressão. No entanto, ao serem aplicados em ambientes menos controlados, esses modelos computacionais apresentam resultados muito aquém do desejável. Para superar tais deficiências, pesquisas têm sido desenvolvidas visando a exploração de técnicas computacionais e modalidades de leituras (sensores) alternativas. Um tipo de sensoriamento que tem se destacado são os sensores infravermelho, que captam as radiações emitidas pelos objetos no espectro térmico do infravermelho (IR). As emissões térmicas da pele são intrínsecas e independem de iluminação. O reconhecimento de expressões faciais a partir desta modalidade de sensoriamento tem se mostrado promissor. Por tratar-se de uma modalidade de reconhecimento facial ainda incipiente e por princípio diferente da empregada pelos seres humanos, acreditamos que há uma gama de métodos a serem reproduzidos e melhorados no que tange a classificação dos diferentes padrões de temperatura facial. Os objetivos desse projeto de pesquisa são: i) revisar a literatura referente às técnicas de reconhecimento de faces no espectro infravermelho e visível; ii) implementar e avaliar o desempenho das técnicas consideradas mais robustas, ponderando suas características de invariância às expressões faciais;e iii) promover a fusão multibiométrica das técnicas baseadas nas leituras dos espectros infravermelho e visível.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (2) . , Integrantes: Giovani Chiachia - Integrante / Aparecido Nilceu Marana - Coordenador / Daniel Osaku - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa., Número de produções C, T & A: 4

Prêmios