lauraslopes / iris_recognizer Goto Github PK

Relatório trabalho 2 Visão Computacional
Aluna: Laura Silva Lopes, GRR20163048

Os caminhos (linha 195 e linha 341) até os diretórios com as imagens estão como:
path_lamp = './CASIA-Iris-Lamp-100'
path_interval = './CASIA-IrisV4-Interval'

Estão implementados e executando corretamente no código:
- Leitura do banco de imagens
- Segmentação e normalização da Iris
- Cálculo da iris code por Wavelet
- Local Binary Patterns (LBP)
- FAR/FRR (DET curve) and EER usando Hamming distance 
- Cálculo de acurácia usando SVM

O formato da chamada das funções cv2.HoughCircles presentes nos métodos de pré-processamento depende da versão do python que está usando. No momento, o método utilizado no HoughCircles está descrito como: cv2.HOUGH_GRADIENT, mas pode não funcionar quando for executado em outro computador (do dinf, por exemplo). Nesse caso deve-se usar o método: cv2.cv.CV_HOUGH_GRADIENT.
Para o dataset IrisV4-Interval, o que muda de todo o processo de identificação da iris é o pré-processamento, que deve ser chamada a função preprocess_interval.
Os processos de obtenção da iris pré-processada e dos LBPs são bastante demorados, além do treino de SVM e o cálculo de acurácia.

Acurácia média obtida, com 10 sets de imagens treino/teste diferentes, usando kfold, do CASIA Lamp: 0.662895409794144

Acurácia média obtida, com 10 sets de imagens treino/teste diferentes, usando kfold, do CASIA Interval: 0.2774412374697546