Resumo:
Atualmente existe uma imensa quantidade de fotos digitalizadas de faces de pessoas utilizadas para as mais variadas aplicações, o que demanda estruturas de dados eficientes para realizar consultas das faces em um banco de dados. As consultas tradicionais usam a relação de ordem total entre os elementos para minimizar o tempo nos seus algoritmos. Essas consultas tradicionais não são adequadas para manipular faces, pois dificilmente duas fotos (mesmo que de uma mesma pessoa) apresentam valores idênticos em todos os pixeis. Portanto, é mais adequado utilizar o critério de similaridade para recuperar as faces mais parecidas a um determinado indivíduo. As estruturas de dados que apresentam melhor desempenho para realizar consultas por similaridade são as métricas. Este trabalho tem por objetivo indexar imagens de faces em estrutura de dados métricas. Para representar a face na estrutura de dados serão explorados métodos de extração de características: Eigenfaces e Scale Invariante Feature Transform (SIFT).
Essas características são representadas por vetores que devem ser capazes de descrever o grau de dissimilaridade entre duas faces. Para calcular a dissimilaridade entre vetores de características foi utilizado as funções de distância euclidiana e média das mínimas distâncias euclidianas. Os experimentos mostraram que extrator SIFT que calcula a distância pela média das mínimas distâncias euclidianas demonstrou ter melhor precisão e revocação comparado com o extrator Eigenfaces que calcula a distância pela euclidiana. A vantagem do uso do extrator SIFT é que não há a necessidade de reprocessamento da base antes da inserção dos dados.
