Upload
jane-sullivan
View
31
Download
0
Embed Size (px)
DESCRIPTION
Arcfelismerés számítógéppel. Szerző: Gálfi Csongor Mentor: Pletl Szilveszter, PhD Intézmény: Szabadkai Műszaki Szakfőiskola. Múlt, jelen és jövő. 1970-es évektől kutatják Fejlődése felgyorsult a múlt évtized közepétől Ma elsősorban kormányzati szervek használják - PowerPoint PPT Presentation
Citation preview
Arcfelismerés számítógéppel
Szerző: Gálfi CsongorMentor: Pletl Szilveszter, PhD
Intézmény: Szabadkai Műszaki Szakfőiskola
•1970-es évektől kutatják
•Fejlődése felgyorsult a múlt évtized közepétől
•Ma elsősorban kormányzati szervek használják
•A jövőben smart környezetek, beléptetőrendszerek része lehet
Múlt, jelen és jövő
Az arcfelismerő rendszer alkotóelemei:
Arcfelismerő rendszer
Arcérzékelés
A bőr színének eloszlása az r-g síkon:
Forrás: Cheng-Chin Chiang, Wen-Kai Tai, Mau-Tsuen Yang, Yi-Ting Huang, Chi-Jaung Huang: A novel method for detecting lips, eyes and faces in real time
Arcérzékelés
4 szabály használata:
1. g > flower(r) és g < fupper(r)
1452.00743.13767.1 2 rrrfupper
1766.05601.0776.0 2 rrrflower
2. (r - 0.33)2 + (g - 0.33)2 <= 0.0004
3. R > G > B
4. R - G > 45
Arcfelismerő módszerek
• Jellemző pontok közti távolságok aránya: 1973-ban Kanade fejlesztette ki,
például szem, száj, orr távolságának arányát vizsgálja
• Minta illesztés: a képrészletek közvetlen összehasonlításán alapuló módszer
• 3D módszer
• Neurális háló: hátránya, hogy kis adatbázisokkal dolgozik
• Sajátarc (Eigenface) módszer: 1987-ben Sirovich és Kirby fejlesztették ki
Sajátarc módszer
1. lépés: képek beolvasása
2
.
.
.3
2
1
Na
a
a
a
a
2
.
.
.3
2
1
Nh
h
h
h
h
Forrás: Dr Libor Spacek arcadatbázisa
Sajátarc módszer
2. lépés: átlagarc kiszámítása
222 ...
...
...
...
...
...
1
222
111
NNNhba
hba
hba
Mm
Sajátarc módszer
3. lépés: átlagarc kivonása a beolvasott képekből
22
.
.
.
33
22
11
NN
m
ma
ma
ma
ma
a
22
.
.
.
33
22
11
NN
m
mh
mh
mh
mh
h. . .
Sajátarc módszer
4. lépés: „képtér” létrehozása és kovariancia mátrix kiszámítása
mmmmmmmm hgfedcbaA
TAACov
Az „A” mátrix N2 sorból és M oszlopból áll.
A kovariancia mátrix dimenziója: N2xN2
Sajátarc módszer
5. lépés: a „Cov” mátrix helyett egy MxM dimenziójú mátrixot kell kiszámítani
AAL T
Ki kell számítani „L” mátrix sajátvektorát ( „V” )
„Cov” mátrix sajátvekorai a képtérnek és „L” mátrix sajátvektorainak a lineáris kombinációja.
AVU
Sajátarc módszer
Létrejött az ugynevezett „arctér”, benne a sajátarcokkal.
Sajátarc módszer
6. lépés: beolvasott képek rávetítése az arctérre
mT aU1
mT bU2
mT cU3
mT dU4
mT eU5
mT fU6
mT gU7
mT hU8
7. lépés: keresett arc beolvasása és kivonása az átlagarcból
2
.
.
.3
2
1
Nr
r
r
r
r
22
.
.
.
33
22
11
NN
m
mr
mr
mr
mr
r
Sajátarc módszer
8. lépés: a keresett kép rávetítése az arctérre
mT rU
9. lépés: távolság kiszámítása a keresett arc és a beolvasott képek arctérre vetített értékei között
22ii
Eredmény:
14545a 13694b 14118c 6895d
12069e 13189f 15253g 13144h
Sajátarc módszer
Az εd távolság a legkisebb vagyis a „d” kép hasonlít a leginkább a keresett arcra
Keresett kép Találat – „d” kép
Köszönöm a figyelmet!