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!