Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Lazzaretti, André Eugênio | - |
Autor(es): dc.contributor | Lazzaretti, André Eugênio | - |
Autor(es): dc.contributor | Borba, Gustavo Benvenutti | - |
Autor(es): dc.contributor | Lopes, Heitor Silverio | - |
Autor(es): dc.creator | Chicora, Alexandre Schroeder | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:13:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:13:50Z | - |
Data de envio: dc.date.issued | 2025-03-28 | - |
Data de envio: dc.date.issued | 2026-12-07 | - |
Data de envio: dc.date.issued | 2025-03-28 | - |
Data de envio: dc.date.issued | 2023-12-07 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36271 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1091425 | - |
Descrição: dc.description | Propelled by the advancement of computer vision, facial recognition access control systems have been gaining ground. Highlighted by its accuracy and practicality, these systems have permeated personal mobile devices and are now integral to international border control security systems. When based on deep learning algorithms, improving its reliability usually implies increasing its complexity, adding more parameters and layers, and performing training with a larger and more sophisticated dataset. With the complexity augmentation, those systems inference is limited to powerful devices, leaving no space for resource-constrained applications. Therefore, this work pretends to develop and optimize a facial recognition system based on deep learning in a resource-constrained environment, analyzing the project adaptations that should be made to pursue a reliable and performing system with minimal resource usage. To perform that, lightweight deep learning models are used as a baseline, together with post-training quantization to reduce model footprint and increase the system performance. As a result, it was possible to have an entire face recognition system embedded in a Cortex-M7 device, with face detection, face anti-spoofing and face recognition blocks achieving a total inference time of 2,4 seconds. | - |
Descrição: dc.description | Impulsionados pelo avanço da visão computacional, os sistemas de controle de acesso por reconhecimento facial vêm ganhando cada vez mais destaque. Destacados pela sua precisão e praticidade, estes sistemas são atualmente presentes em dispositivos móveis pessoais e parte integrante dos sistemas internacionais de controle de fronteiras. Quando baseado em algoritmos de aprendizagem profunda, melhorar a confiabilidade de um sistema de reconhecimento facial geralmente implica em aumentar sua complexidade, adicionar mais parâmetros e camadas ou realizar treinamento com um conjunto de dados maior e mais sofisticado. Com o aumento da complexidade, a inferência desses sistemas fica limitada a dispositivos com alta capacidade de processamento, tornando inviável a utilização de sistemas embarcados com recursos limitados. Nesse sentido, o objetivo desse trabalho é desenvolver e otimizar um sistema de reconhecimento facial baseado em aprendizagem profunda em um ambiente embarcado não ideal, analisando as adaptações de projeto que devem ser feitas para buscar um sistema confiável e performante com uso mínimo de recursos. Para isso, são usados como base modelos de aprendizagem profunda de baixa complexidade, juntamente com um processo de redução de complexidade de redes neurais chamado de quantização. Como resultado, foi possível reduzir em fator 4 a complexidade inicial do modelo de reconhecimento facial, obtendo um tempo de inferência total de 2,4 segundos em um dispositivo Cortex-M7. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Eletrônica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | embargoedAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Reconhecimento facial (Computação) | - |
Palavras-chave: dc.subject | Aprendizado profundo (Aprendizado do computador) | - |
Palavras-chave: dc.subject | Sistemas embarcados (Computadores) | - |
Palavras-chave: dc.subject | Human face recognition (Computer science) | - |
Palavras-chave: dc.subject | Deep learning (Machine learning) | - |
Palavras-chave: dc.subject | Embedded computer systems | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Embedded resource-constrained face recognition system for access control applications | - |
Título: dc.title | Sistema de reconhecimento facial embarcado para aplicações de controle de acesso | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: