strona: 1, 2, 3, 4, 5, 6, 7

Etap obróbki wstępnej.

Etap obróbki wstępnej obrazu ma za zadanie wyeliminowanie wpływów otoczenia na pozyskany obraz twarzy.
Główne czynniki, jakie należy tutaj rozważyć to:
- zmiany w wyglądzie zewnętrznym ( okulary, zmiana uczesania, zarost ),
- wpływ oświetlenia ( rozkład cieni, intensywność światła, kierunek padania promieni świetlnych ),
- rotacja i przemieszczenie obrazu ( twarz pod pewnym kątem, punkt patrzenia kamery ),
- skalowanie obrazu,
- eliminacja tła i potencjalnych szumów w obrazie,
- eliminacja wpływu obrazu twarzy ( ekspresja ).

Przykładowy wpływ zmian oświetlenia na uzyskany obraz ilustruje rysunek:

Rozpoznanie.

Rozpoznanie twarzy polega na porównaniu obrazu otrzymanego z wzorcem przechowywanym w bazie danych. W zależności od metody rozpoznawania ilość przechowywanych wzorców oraz forma ich zapisu jest różna. Przy posługiwaniu się rozwiązaniami opartymi na tworzonych klasach ( klasterach ) obrazu niezwykle istotne jest właściwe wydzielenie obszarów poszczególnych klas i opracowanie metod badania różnic pomiędzy nimi.
Metody rozpoznawania dzielone są na dwa zasadnicze rodzaje:
- metody oparte o analizę małego zestawu cech twarzy,
- metody z pośrednim porównywaniem twarzy z użyciem szablonów.

Niektóre z tych metod bazują na istniejących powiązaniach w obrazach pomiędzy wszystkimi wzorcami twarzy zwanymi: inwariantami obrazu. Każdy z nich jest uporządkowanym schematem rozkładu jasności pomiędzy różnymi częściami twarzy.
Metoda sprawdza inwarianty na każdym obrazie, szukając pozytywnej odpowiedzi. Następnie obliczany jest stopień korelacji pomiędzy wzorcem twarzy i fragmentów obrazu zawierającym rozpoznawaną twarz. Jeśli przekroczy on określoną wartość funkcji progowej twarz jest wykrywana i zatwierdzana.
Podobnym rozwiązaniem jest opieranie się na widocznych na obrazie, niezmiennych podprzestrzeniach twarzy. Zazwyczaj metoda ta aproksymuje podprzestrzeń badanej twarzy z dostępnymi wzorcami, wykorzystując jeden lub więcej przykładowych obrazów twarzy.
Badania przeprowadzone przez Yael'a Adini, Yael'a Mosesa i Shimona Ullmana wykazały, iż nie każda część twarzy w różnym stopniu przenoszą informacje o indywidualnych cechach osobnika. Linia włosów oraz linia podbródka wnosiły najmniej informacji mogących posłużyć do rozpoznania danego obiektu. Wybranie dolnej części twarzy jako badanego obszaru powodowało występowanie dużej ilości błędnych klasyfikacji. Znacznie mniej błędów pojawia się, gdy za wzór maski przyjmiemy linie oczu i brwi. Najwięcej poprawnych rezultatów uzyskano posługując się maską obejmującą centralną część twarzy ( z linią ust ) bez linii włosów. Jak to widać na rysunku poniżej:

Głównym problemem jest tu jednakże wybór właściwych cech twarzy podlegających rozpoznaniu oraz odpowiedniej do nich metody porównania obrazów. Wiąże się to z koniecznością wyodrębnienia części twarzy ludzkiej niosących największą ilość informacji przydatnej dla danego typu rozpoznawania. Wyszukane cechy twarzy ludzkiej, muszą być niezawodnie wydobyte z oryginalnych obrazów twarzy i demonstrują wysokie właściwości klasyfikacyjne. W pracach analizujących ten problem ekstrakcja cech przeprowadzana jest trzema metodami:
- poprzez analizę cech pochodzących z anatomicznych pomiarów twarzy,
- poprzez zastosowanie statystycznych pomiarów właściwości orientacyjnych struktury obrazu twarzy,
- przez użycie korelujących pomiarów do porównania zniekształceń przy symulacji analitycznych obrazów twarzy.
Wśród wielu cech twarzy ludzkiej, w różnych podejściach opartych na anatomii pod uwagę brane były:
- szerokości twarzy,
- odległości między środkami oczu,
- odległości między najdalszymi punktami oczu,
- odległości między najbliższymi punktami oczu,
- odległości pomiędzy oczami i nosem ,
- odległości pomiędzy linią oczu i linią ust,
- odległości od najdalszego punktu oka do środka ust,
- szerokość nosa,
- długość nosa, itp.
Inną ważną sprawą jest zapewnienie wystarczającej ilości zdjęć dla wzorca w bazie danych. Wyniki badań sugerują, iż lepsze rezultaty osiąga się przy wykorzystaniu 25 i więcej zdjęć dla jednego wzorca.


Przykład przechowywania wzorców w bazie danych FERET

strona: 1, 2, 3, 4, 5, 6, 7
Skomentuj artykuł na forum

:: Jak odczytać fałszywe dokumenty i numery VIN
:: DISCOVERY - Zbrodnie, które wstrząsnęły światem
:: Człowiek z Maree
:: Tajemnica Gatton
:: Tutoriale kryminalistyczne

:: NOWE! Puzzle

:: Przygody detektywa Maxa

:: Quiz
:: VIII Edycja Konkursu Wiedzy Kryminalistycznej im. prof. Brunona Hołysta
:: Test wiedzy o historii medycyny
:: Test wiedzy o kryminalistyce i medycynie sądowej
:: Układanka
:: Zagadki kryminalne

"Szanse jedne na milion spełniają się w dziewięciu przypadkach na dziesięć.— Terry Pratchett"


GALIEL@WEBGROUP 2005