ANÁLISE COMPARATIVA ENTRE OS PRINCIPAIS ALGORITMOS DE DETECÇÃO FACIAL: HAAR CASCADE, HOG, CNN, YOLO E DEEPFACE

Objetivo: Descrever cinco dos principais algoritmos de detecção facial: Haar Cascade, HOG, CNN, DeepFaces e YOLO, evidenciando seus princípios de funcionamento e demais características. Em seguida, mostrar a avaliação da performace a qual esses algoritmos foram submetidos com foco em velocidade de detecção, quantidade de acertos e acurácia. Métodos: A avaliação do desempenho foi realizada utilizando a extração de 1000 (mil) imagens de três bases de imagens públicas: Yalefaces, Labeled Faces in the Wild (LFW) e Dogs VS Cats. Do total de imagens, 60% possuíam uma face, o restante não. Os cinco algoritmos foram submetidos a essa base de imagens e os dados gerados foram utilizados para realizar a análise pretendida. Resultados: A análise dos dados mostrou que a maioria dos algoritmos apresenta uma acurácia superior a 80%, com exceção do DeepFace (42,9%). A maior acurácia registrada foi obtida pelo CNN (98,9%) que em contrapartida foi o algoritmo que apresentou maior latência. O algoritmo mais rápido foi o Haar Cascade. Conclusão: Levando em consideração o cenário analisado e os critérios de menor latência e maior acurácia, YOLO foi o algoritmo que apresentou os melhores resultados. Além disso, é inequívoca a utilização em escala cada vez maior de algoritmos baseados em Redes Neurais, principalmente em cenários de aplicações desenvolvidas para dispositivos móveis.