Detekcia objektov v zornom poli kamery

1. Detekcia objektov v zornom poli kamery Autor práce: Tomáš Mahrík Vedúci práce: Ing. Petr Petyovský

2. Zadanie • Zoznámte sa s princípami získavania obrazových dát a základmi spracovania obrazu. • Na základe naštudovaných vedomostí definujte objekty vhodné k automatickej detekcii v obraze so zameraním na metódy detekcie ľudskej tváre. • Vytvorte databázu snímkov pre testovanie a vyhodnocovanie úspešnosti detekčných metód. • Navrhnite a implementujte vlastnú metódu pre detekciu ľudskej tváre v zornom poli kamery.

3. Návrh algoritmu pre detekciu tváre • Voľba vhodnej metódy pre lokalizáciu a detekciu ľudskej tváre v obraze – v tomto prípade bola zvolená metóda invariantných rysov. • Lokalizácia na základe farby pokožky a morfologických rysov (poloha úst a očí). • Výber vhodného farebného modelu.

4. Výber vhodného farebného modelu RGB HSV HLS

5. Voľba podpriestoru farby ľudskej pokožky • Nadefinovanie podpriestoru ľudskej pokožky vo zvolenom • farebnom modele.

6. Farebná segmentácia • Lokalizácia ľudskej tváre založená na farbe pokožky.

7. Morfologické operácie

8. Ohraničenie kadndidátskej oblasti • Následne pomocou metódy semienkového vyplňovania sa zistí • počiatočný a konečný bod obdĺžnika, ktorým bude ohraničená • kandidátska oblasť.

9. Vylúčenie nevhodných kandidátov • Na základe pomerov strán obdĺžnika ohraničujúceho • kandidátsku oblasť sa vylúčia nevhodní kandidáti. • Taktiež sa vylúčia kandidáti, ktorých rozmery sú príliš malé • na to, aby sa z nich dalo jasne určiť či ide respektíve nejde o • tvár. • Následne sa v zostávajúcich kandidátskych oblsatiach • lokalizujú očí a ústa.

10. Lokalizácia očí • Farba zornice a bielka oka, sú u väčšiny ľudí veľmi • podobné, a preto bude pre lokalizáciu očí použitá farebná • mapa definovaná vťahom: • Potom sa farebná mapa očí prevedie na binárny obraz • pomocou prahovania(prah získaný z analýzy histogramu) • a určí sa ich poloha.

11. Lokalizácia úst • Vychádza sa z predpokladu, že ľudské pery obsahujú vysoké hodnoty červenej farby a veľmi nízke hodnoty modrej farby. • Bohužiaľ nie je to pravidlom a preto budú použité dve farebné transformácie pre zvýšenie presnosti lokalizácie. • Farebná transformácia FLD (Fischer Linear Discriminant), definovaná vzťahom:

12. Lokalizácia úst • Farebná transformácia rg, v tomto prípade sa bude využívať iba zložka g definovaná vzťahom: • Vytvoria sa 2 farebné mapy, ktoré sa prevedú prahovaním na binárne obrazy a následne sa spolu zlúčia podľa vzťahu: • Následne sa určí približná poloha úst v obraze.

13. Overenie tvárových oblastí • Na základe vzájomných pozícií a vzdialeností medzi perami a obidvoma očami, sa rozhodne, či skutočne ide o tvár alebo nie.

14. Separabilný mediánový filter

15. Plánované rozšírenia • Dokončiť a vylepšiť navrhnutý detekčný algoritmus implementáciou učiacej metódy AdaBoost, prípadne inými algoritmami, ktoré zrýchlia a skvalitnia proces detekcie tváre. • Vytvoriť vizuálne prostredie pomocou knižnice WxWidgets. • Implementovať algoritmus pre sledovanie trajektórie ľudskej tváre.

16. Záver Detekcia tváre v obraze založená na farbe pokožky, je pomerne úspešná a v praxi veľmi často používaná pre jej jednoduchú implementáciu a dobré detekčné výsledky. Navrhnutý algoritmus zatiaľ nedosahuje požadované detekčné výsledky a to hlavne z dôvodu nedostatočného objemu dát v databázi tvárových častí, pre definovanie podpriestoru ľudskej pokožky v zvolenom farebnom modely a taktiež z dôvodu neúplnej implementácie.

17. Ďakujem za pozornosť.