Detekcja twarzy

1
Detekcja twarzy
2
Sprawy organizacyjne

• Laboratorium
• czwartek 1000 1300 03.11.
• czwartek 1215 1515 27.10.
• pierwsze terminy 27.10. 03.11.
• Projekty
• omówienie dzisiaj zamiast laboratorium

3
Plan wykladu

• Cele detekcji
• Dostepne metody
• Etapy detekcji
• Uogólniona Transformata Hougha

4
Etapy rozpoznawania
Detekcja
Normalizacja
Ekstrakcja cech
Porównywanie wektorów cech
5
Cele detekcji

• Znalezienie twarzy na obrazie
• niezaleznie od rozmiaru obrazu
• niezaleznie od wielkosci twarzy
• dla obrazów RGB i GS
• szybkie i skuteczne
• niezaleznie od kata obrotu twarzy
• Przekazanie polozenia twarzy do etapu
  normalizacji

6
Specyfikacja zadania

• Polozenie twarzy termin niejednoznaczny, malo
  konkretny
• Polozenie oczu okreslenie bardziej precyzyjne
• Detekcja twarzy detekcja cech
  charakterystycznych

7
Czas wykonania

• Detekcja wykonywana dla kazdej klatki
• Poszukiwanie na calym obrazie
• Algorytmy musza byc bardzo szybkie
• Podzial na etapy
• Wybór odpowiednich algorytmów

8
Mozliwe metody

• Porównywanie fragmentów obrazu
• SVM, siec neuronowa
• Poszukiwanie elips
• minimalizacja róznic
• Uogólniona Transformata Hougha
• Metody falkowe detekcja ksztaltów
• Detekcja na podstawie koloru
• Wykorzystanie informacji dynamicznych

9
Wybór metod

• Szybka selekcja detekcja elips
• Transformata Hougha
• Weryfikacja potencjalnych kandydatów
• SVM
• PCA projekcja wsteczna
• Detekcja cech na obrazie twarzy
• Gabor Wavelets

10
Detekcja elips pionowych

• Elipsy zorientowane pionowo
• znalezienie potencjalnych twarzy
• niski próg akceptacji
• duza liczba nie-twarzy
• Wstepne filtrowanie
• filtry rozjasniajace
• filtr Gaussa eliminacja szumu

11
Detekcja elips poziomych

• Cel znalezienie kandydatów na oczodoly
• Obszar poszukiwan zawezony do wnetrza elips
  zorientowanych pionowo
• Niski próg akceptacji
• Duza liczba falszywychprzypadków

12
Detekcja oczu

• Podejrzane elipsy poziome
• Weryfikacja poprzez SVM
• Detekcja zrenic
• warunek wysoka jakosc obrazu
• lokalizacja przyblizona

13
Weryfikacja

• Zastosowanie regul logicznych do wstepnej
  eliminacji
• Przygotowanie obrazów do weryfikacji
• wstepna normalizacja (przyklady)
• Zastosowanie klasyfikatora (np. SVM)
• Próg akceptacji

14
Detekcja pozostalych cech

• Wykorzystanie mechanizmu Gabor Wavelets
• przyblizone polozenie na podstawie oczu
• znajdowane przesuniecia
• Etap dodatkowy, przydatny do niektórych metod

15
Detekcja elips

• Uogólniona Transformata Hougha(Generalized Hough
  Transform GHT)
• Tworzenie obrazu kierunkowego
• zbiór odcinków
• Znalezienie mozliwych srodków elips dla kazdego
  odcinka
• Podsumowanie wyników
• wskazanie najbardziej prawdopodobnych srodków
  elips

16
Obraz kierunkowy

• Podzial obrazu na grupy pikseli (np. 2x2)
• Mozliwe wykorzystanie gradientów
• Krawedz dla kazdej grupy
• kierunek
• natezenie
• Kierunek dopasowanie plaszczyzny metoda
  minimalizacji bledu

17
Wynik

• Obraz -gt zbiór odcinków
• Odcinek
• srodek (x, y)
• kierunek ?
• natezenie ?
• Progowanie wzgledem natezenia

18
Wykorzystanie GHT

• Poszukiwanie obiektów o zadanym ksztalcie na
  obrazie kierunkowym
• Przypadek elipsy
• a, b dlugosci pólosi elipsy
• ?r, ?e wspólczynniki redukcji i ekspansji

19
Jak to dziala?

• Zalozenie
• kazdy odcinek moze byc fragmentem elipsy
• Odcinek
• dwa potencjalne srodki elipsy
• Dopuszczenie tolerancji
• dwa zbiory punktów (potencjalnych srodków
  elipsy)
• do punktów przypisane wagi

20
Sumowanie

• Akumulator
• macierz wielkosci obrazu, wyzerowana na poczatku
• modyfikowany przez wszystkie odcinki
• natezenie odcinka dwa podejscia
• wartosc pola wprost proporcjonalna do
  prawdopodobienstwa, ze znajduje sie tam srodek
  elipsy

21
Przyklad
22
Problemy i ich rozwiazania

• Obliczanie srodków dla kazdego odcinka (bardzo
  czasochlonne)
• przygotowanie szablonów (dyskretyzacja kierunku)
• Czas obliczen zalezny od rozmiarów obrazu
• Staly rozmiar elipsy
• piramidka skalowanie obrazu wejsciowego

23
Jeszcze pare slów o GHT...

• Duza szybkosc dzialania
• Metoda latwa do kontroli
• metoda tworzenia obrazu kierunkowego
• sterowanie tolerancja kata i rozmiaru
• Mozliwa detekcja dowolnych ksztaltów

24
Podsumowanie

• Detekcja kilka etapów
• Znaczenie szybkosci
• Podstawa detekcja elips
• Uogólniona Transformata Hougha

25
Dziekuje za uwage!

• Za 2 tygodnieNormalizacja obrazu twarzy