זיהוי צורת הליכה מוידיאו

Preview:

DESCRIPTION

זיהוי צורת הליכה מוידיאו. מוטיבציה. זיהוי אנשים ומינם יתרונות לעומת שיטות זיהוי אחרות: - אין צורך במגע עם הנבדק (כמו בטביעת אצבע) - קשה להסוות צורת הליכה (לעומת אפשרות כיסוי הפנים בזיהוי פנים) - ניתנת לשימוש מרחוק, ברזולוציה נמוכה יש גם חסרונות. רקע. מה זה הליכה? - PowerPoint PPT Presentation

Citation preview

זיהוי צורת הליכה מוידיאו

מוטיבציה

זיהוי אנשים ומינם

יתרונות לעומת שיטות זיהוי אחרות:

- אין צורך במגע עם הנבדק )כמו בטביעת אצבע(

- קשה להסוות צורת הליכה )לעומת אפשרות הפנים בזיהוי פנים(כיסוי

- ניתנת לשימוש מרחוק, ברזולוציה נמוכה

יש גם חסרונות...

רקע

מה זה הליכה?

מחקרים הראו שבני אדם יכולים לזהות מכרים שלהם על פי צורת ההליכה.

יכולים להבחין בין גבר לאישה

...מה בשעה הקרובה

(L. Lee, W.E.L Grimsonזיהוי ע"י אנליזת ההליכה )

,.James B., Mark S.N )זיהוי ע"י אנליזת סימטריהJohn N.C.)

(.J.H. Yoo,Mark S.N.,Chris J.Hאנליזת מחזור תנועה )

זיהוי ע"י אנליזת ההליכה

Gate Analysis for Recognition and Classification )L. Lee, W.E.L Grimson(

הרעיון: ייצוג ההליכה של אדם ע"י חלוקה של אליפסות ואיסוף מידע עליהן 7צללית ההולך ל

לאורך זמן.

זיהוי ע"י אנליזת ההליכה - המשך

עבור כל אליפסה נשמור:

f(ri) = (xi, yi, li, αi), where i = 1, . . . , 7.

המידע לאורך זמן יישמר כמאפיין ממוצע המראה:

s = (meanj(hj), meanj(Fj ), stdj(Fj)) Fj = (f(r1), . . . , f(r7)) כאשר:

וכמאפיין הספקטראלי:

t = (Ωd, |Xi(Ωd)|, phase(Xi(Ωd)))Xi = FourierTransform(Fj=1...last(f(ri)))כאשר:

הנוסחאות

Dij = /Sqrt)exp)-))||Pi – Pj||(/2((

Phij = )cos +j – 2ij(( *

)1 – cos)i-j((

(i,j( = atan))yi – yj( / )xi-xj((

זיהוי ע"י אנליזת ההליכה - המשך

האם לכל המאפיינים יכולת הבחנה דומה?

( על ANOVAלאחר הפעלת אנליזת שונות )המאפיינים

מתקבל דירוג של המאפיינים לפי מידת ההשפעה שלהם.

תיאור הניסוי

תנאי הניסוי: סביבה פנימית, רקע משתנה, 14 נשים ו 10 נבדקים )24 ימים, 4במשך

גברים(, מצלמת וידאו אנכית למסלול ההליכה

CMUנתונים נוספים נאספו מבסיס הנתונים של

נבדקים הולכים על הליכון25המכיל

תיאור הניסוי

תיאור הניסוי - המשך

Adaptive“)סגמנטציה של ההולך מהרקע background” C Stauffer & W.Grimson וחישוב )

הוקטורים

תיאור הניסוי - המשך

השוואת וקטורים ע"י שימוש ב Mahalanobis :distance

המרחק בין שתי נקודות

x = (x1, . . . , xp)t -ו y = (y1, . . . , yp)t

:Rpבמרחב

Ds(x, y) = (x − y)t S−1(x − y)

תיאור הניסוי - המשך

ההתאמות nשאלת הזיהוי: האם האדם הנכון נמצא ב הראשונות בדירוג?

(n – דרגת ההתאמות )xציר

– אחוז ההצלחה בזיהויyציר

שתי בדיקות:

. בדיקה כנגד רצפי ההליכה בכל הימים1

. בדיקה כנגד רצפי ההליכה בכל הימים מלבד היום שבו 2

הוקלט הנבדק

: זיהוי אנשים1תוצאות

...100%בבדיקה הראשונה תוצאות הקרובות ל

בבדיקה השנייה:

: זיהוי אנשים1תוצאות

מאפיין ממוצע מראה:

מאפיין ספקטראלי:

: זיהוי מין2תוצאות

מאפיינים המבדילים בצורה הטובה ביותר 6זוהו בין גברים לנשים:

: זיהוי מין - המשך2תוצאות

בדיקה על פי בחירה ראנדומלית של רצף

בדיקה על פי בחירה ראנדומלית של נבדק

SVM

מסקנות

ההשפעה הכי גדולה על התוצאות היתה סוג הלבוש של הנבדקים

שילוב חכם של מאפיין ממוצע המראה עם המאפיין הספקטאלי ייתן תוצאות טובות יותר

שילוב זיהוי הליכה עם זיהוי פנים יוכל להסיר את מגבלת הלבוש

יש אנשים שקל לזהות את ההליכה שלהם יותר מאנשים אחרים

ההבדל בין המינים הוא כנראה ליניארי...

זיהוי ע"י אנליזת סימטריה

אובייקט נקרא סימטרי אם הצורה שלו נשארת ללא שינוי לאחר פעולות סימטריות )לדוגמא שיקוף, שינוי גודל(.

אופרטור סימטריה – משתמש ברצף קצוות של דמות על מנת לחשב גודל סימטריה

M(Pk( = ΣC)Pi,Pj(

C(Pi,Pj)=Di,jPhi,jIiIjכאשר: Ph, Dמרחק ופאזה בין שתי הנקודות –

Ij לוגריתם גודל הסימטריה של – j

חישוב אופרטור סימטריה

חישוב חתימת הליכה מצללית

(c( וזיהוי קצוות )bהחסרת הרקע )

הפעלת אופרטור הסימטריה ליצירת מפות (dסימטריה )

חישוב חתימת הליכה מצללית - המשך

חישוב חתימת הליכה ע"י מיצוע מפות הסימטריה:

GS = )ΣSj(/ NNמספר מפות הסימטריה –

J=1

NN

חישוב חתימת הליכה משטף אופטי

החסרת רקע וחישוב שטף אופטי ע"י החסרת שתי צלליות עוקבות

הפעלת אופרטור סימטריה וחישוב ממוצע

זיהוי הליכה

החלת טרנספורם פורייה על החתימות

FD)u,v( = ΣΣGS)x,y(exp)-j2/N)ux + vy((

לאחר מכן פילטר מעביר נמוכים על מנת להקטין את הרגישות לרכיבים בעלי תדירות גבוהה

FD’)u,v( = { FD)u,v( if)u^2 + v^2( <= R^2 0 othewise

הזיהוי מתבצע ע"י השוואת מרחק אוקלידי:

SDi,j = Σ|| )|FD’ix,y| - |FD’jx,y| (||

1ניסוי

נעשה שימוש בשלושה בסיסי נתונים שניים

UCSD ו SOTON של

אחוז זיהוי לעומת דרגת פילטר

2ניסוי

אותו תהליך התבצע על רצפי הליכה, אולם לאחר החסרת מספר תמונות

3ניסוי

הסתרה/הוספה לחלק מהתמונה

מסקנות

לצללית האדם מאפיינים סימטריים ייחודיים

הזיהו לא יפגע אם האדם עובר מאחורי מסתור אנכי לא גדול

השיטה עובדת גם עם פריימים חסרים או רעש מוגבל

אנליזת מחזור תנועה

מבחינה תאורטית הליכת אדם היא צורה של תנועה מחזורית.

ניתן לחזות את התנועה של אדם בתוך מחזור הליכה

מחזור מחולק לשני חלקים עיקריים: עמידה והנפה

אנליזת מחזור תנועה

מחזור התנועה:

אנליזת מחזור תנועה

פונקציונלית, מחלקים את הגוף לשני סוגי ( Locomotorאיברים: חלקים "תנועתיים" )

(Passengerוחלקים "נוסעים" )

קיימת הערכה על מיקומו של כל חלק במחזור התנועה

אנליזת מחזור תנועה

ביצוע הטלה על החלקים בכל תמונה

אנליזת מחזור תנועה

רצף תמונות יוצר את המחזוריות של תנועת הצעד

...אנליזת מחזור תנועה בהשוואה ל

החסרת הרקע ע"י שימוש בקצוות הדמות

אופן החסרת הרקע

זיהוי קצוות:

החלקת רעש על ידי מסיכה

זיהוי אובייקטים בתמונה

בחירת הדמות על בסיס ידע של גודל וצורה

השוואת השיטות

דמויות שצולמו בתוך מבנה ובחוץ200

תוצאות

הצלחה = האם האזור שזוהה מכיל את כל גוף האדם או לא

רפרנסים

Gate Analysis for Recognition and Classification /L. Lee, W.E.L Grimson

Automatic gait recognition by symmetry analysis/

The End…

http://www.youtube.com/watch?v=VTgeNw1guBs&feature=related

Recommended