Chambino,Luis LopesSilva,José SilvestreBernardino,Alexandre2026-02-052026-02-052021-06-02978-989-96698-9-5http://hdl.handle.net/10400.26/61485Neste trabalho, é proposta uma nova arquitetura para o reconhecimento facial utilizando imagens multiespectrais. A arquitetura produz conjuntos de características de 256 dimensões que representam a identidade de uma pessoa baseada em imagens multiespectral. Adicionalmente, neste estudo é proposto um detetor de personificação com o objetivo de detectar a utilização de máscaras. O classificador multiespectral obtém melhores resultados quando comparado com o YCbCr ou o HSV. Foram realizados diversos testes com o intuito de identificar quais as melhores camadas a adaptar da LightCNN e concluiu-se que o melhor resultado corresponde ao conjunto das camadas ({1-3}+UCL). Este estudo permitiu concluir que quanto maior for o número de camadas adaptadas, pior é o resultado final. Os melhores resultados ocorrem da adaptação das camadas iniciais da rede neural. Para classificar os conjuntos de características de 256 dimensões o classificador SVM com kernel linear obteve os melhores valores em rank-1 quando comparado com os restantes classificadores, para as duas bases de dados multiespectrais utilizadas. Estudos extensivos nas bases de dados multiespectrais demonstraram a superioridade da metodologia proposta, tendo sido obtidos valores em rank-1 de 99,7% e 99,8% para as bases de dados multiespectrais Tufts e CASIA NIR-VIS 2.0.porreconhecimento facialimagens multiespectraistext