Um estudo empírico de um sistema de reconhecimento facial utilizando o classificador KNN

Neste artigo, apresenta-se um estudo empírico de otimização das taxas de acurácias resultantes de um sistema de reconhecimento facial baseado nas técnicas Eigenfaces e K-Nearest Neighbors. Foram investigadas as seguintes variáveis: imagens com três dimensões distintas, número de características (Eigenfaces), valores de k da técnica K-Nearest Neighbors e três medidas de distância (euclidiana, Manhattan e euclidiana normalizada). Os estudos foram importantes para entender empiricamente quais parâmetros são os mais relevantes para as técnicas analisadas e que resultam em melhores taxas de acurácias de reconhecimento facial. Os resultados dos experimentos comprovaram que as imagens com dimensões 12x9 pixels produzem as melhores taxas de acurácias de reconhecimento facial, combinando com a medida de distância euclidiana normalizada e um número de Eigenfaces igual a vinte