1 / 19

15.01.2010

Face Detection. Octavian Sima 342C4 Elena Holobiuc 342C4. 15.01.2010. SPG– PROIECT. 1. Cuprins. Introducere Face detection Importanta Dificultati Abordari Rezultatele noastre Rezultat OpenCV Imbunatatiri Concluzii. 15.01.2010. SPG– PROIECT. 2. Face Detection ???. Introducere.

brandon-luby
Download Presentation

15.01.2010

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Face Detection Octavian Sima 342C4 Elena Holobiuc 342C4 15.01.2010 SPG– PROIECT 1

  2. Cuprins • Introducere • Face detection • Importanta • Dificultati • Abordari • Rezultatele noastre • Rezultat OpenCV • Imbunatatiri • Concluzii 15.01.2010 SPG– PROIECT 2

  3. Face Detection ??? Introducere 15.01.2010 SPG-PROIECT 3

  4. Face detection • Importanta: • Primul pas in orice sistem pentru face recognition • Baza sistemelor de supraveghere • Sisteme de autentificare • Punct de plecare pentru genetic object detection/ recognition • Utilizat de camerele foto/video pentru a realiza autofocus 15.01.2010 SPG-PROIECT 4

  5. Face detection(2) • Dificultati: • Pozitia fetei: frontala, 45grade, profil, rotita • Prezenta sau absenta unor componente faciale: • Barba, mustata, ochelari • Expresii faciale • Acoperirea partiala a fetei de alte obiecte • Conditii imagine: luminozitate, caracteristicile camerei, rezolutia imaginii 15.01.2010 SPG-PROIECT 5

  6. Face detection(3) • Abordari: • Detectarea caracteristicilor fetei: AdaBoost, Viola-Jones • Skin Detection • Template Matching • Neural networks 15.01.2010 SPG-PROIECT 6

  7. Algoritm • 3 Pasi • Skin Detection • Noise Filter • Template Matching • 1. Skin Detection • Un prim pas des utilizat in algoritmii de identificare a fetelor • Reduce spatiul de cautare al fetelor • Utilizeaza mai multe spatii de culori: RGB, HSV, YCbCr 15.01.2010 SPG-PROIECT 7

  8. Algoritm (2) • 2. Noise Filter • Elimina pixelii de culoare neagra ramasi izolati dupa primul pas • Valoarea unui pixel este determinata de valorile vecinilor sai • 3. Template Matching • Utilizeaza drept imagine template o generalizare a fetei umane • Imaginea template este scalata la diferite dimensiuni • Portiunile din poza ce seamana intr-o anumita proportie cu template-ul vor fi considerate fete 15.01.2010 SPG-PROIECT 8

  9. Test 1 15.01.2010 SPG-PROIECT 9

  10. Skin Detection 15.01.2010 SPG-PROIECT 10

  11. Noise Filter 15.01.2010 SPG-PROIECT 11

  12. Rezultat 15.01.2010 SPG-PROIECT 12

  13. Test 2 15.01.2010 SPG-PROIECT 13

  14. Skin Detection 15.01.2010 SPG-PROIECT 14

  15. Skin Detection 15.01.2010 SPG-PROIECT 15

  16. Rezultat OpenCV 15.01.2010 SPG-PROIECT 16

  17. Imbunatatiri • Detectarea ochilor din imaginile identificate drept fete dupa cel de-al treilea pas (metoda ineficienta in cazul pozelor la distanta) • Raportul intre latimea si inaltimea regiunilor detectate (pentru eliminarea membrelor) • Training pe mai multe imagini pentru efectuarea unor setari cat mai exacte (template, scale factor, matching procent, etc) 15.01.2010 SPG-PROIECT 17

  18. Concluzii • Implementare dificila • Rezultate mai slabe in pozele ce contin un numar mare de persoane (apar suprapuneri ale fetelor) • Rata succes : • Test1 : 88.23% • Test2 : 83.33% 15.01.2010 SPG-PROIECT 18

  19. Q&A • Multumim... 19

More Related