Az arcfelismerés és arc detektálás alapjai Matusinka Roland OE-NIK
Miért fontos? Sok területen használt technológia Közösségi oldalak Személyek bejelölése feltöltött fotókon (Facebook és társai) Biztonsági rendszerek Körözött/eltűnt személyek kiszűrése a tömegből Pl. köztereken, reptereken, pályaudvarokon Szórakoztató elektronika Eszközök vezérlése (fej)mozdulatokkal, arckifejezésekkel Halláskorlátozottak támogatása Szájról olvasás automatizálása 7 /
Arcdetektálás célja Eldönteni, hogy szerepel-e egy emberi arc egy bemeneti képen. Ha igen, hol? Pozíció és méret meghatározása 7 / Arcfelismerés célja Az előzőleg megtalált arc azonosítása.
Hogyan történik? Tudás alapú módszerek: Emberi arcokról ismert tudásunk szabályokká alakítása. Pl. szemek + orr + száj. Arcjegy-invariáns (feature-invariant) módszerek: Olyan strukturális jegyek keresése/használata, melyek bármiféle körülmények között megtalálhatóak. Bármilyen pózban, bármilyen fényviszonyok mellett, stb. Sablon alapú módszerek: A bemeneti képet összehasonlítják előre eltárolt sablonokkal/arcokkal. Megjelenés alapú módszerek: Sablon alapú kiterjesztése A sablonok adatbázisát mintafelvételekből hozzák létre tanítással (neurális hálók) 7 /
Arcfelismerés lépései Kulcsjegyek kinyerése a képből Megfelelő kulcsjegyek kiválasztása Azon jegyek kiválasztása, melyek összehasonlításkor a legkevesebb hibát okozhatják. Jegyek összehasonlítása (classification) Összehasonlító metódus kiválasztása Modell alapú / Megjelenés alapú Akár több metódus is kombinálható 7 /
Problémák Póz Különböző szögből készült felvételek. (Szemből, profilból, fejjel lefele, stb.) Arcjegyek megléte/hiánya Haj, szakáll, bajusz, szemüveg, stb. Sokféle szín, méret, alak, stb. Arckifejezés Egy mosoly akár a teljes arcot „eltorzítja”. Takarás Arcjegyek teljes/részleges takarása más objektumok által. Csoportkép esetén egy arc takarhat egy másikat. Képminőség Fényviszonyok, árnyékolás Felbontás, színmélység 7 /
Köszönöm a figyelmet! 7 /