זיהוי צורת הליכה מוידיאו

1. זיהוי צורת הליכה מוידיאו

2. מוטיבציה • זיהוי אנשים ומינם • יתרונות לעומת שיטות זיהוי אחרות: - אין צורך במגע עם הנבדק (כמו בטביעת אצבע) - קשה להסוות צורת הליכה (לעומת אפשרות כיסוי הפנים בזיהוי פנים) - ניתנת לשימוש מרחוק, ברזולוציה נמוכה • יש גם חסרונות...

3. רקע • מה זה הליכה? • מחקרים הראו שבני אדם יכולים לזהות מכרים שלהם על פי צורת ההליכה. • יכולים להבחין בין גבר לאישה

4. מה בשעה הקרובה... • זיהוי ע"י אנליזת ההליכה (L. Lee, W.E.L Grimson) • זיהוי ע"י אנליזת סימטריה (James B., Mark S.N., John N.C.) • אנליזת מחזור תנועה (J.H. Yoo,Mark S.N.,Chris J.H.)

5. זיהוי ע"י אנליזת ההליכה • Gate Analysis for Recognition and Classification (L. Lee, W.E.L Grimson) • הרעיון: ייצוג ההליכה של אדם ע"י חלוקה של צללית ההולך ל 7 אליפסות ואיסוף מידע עליהן לאורך זמן.

6. זיהוי ע"י אנליזת ההליכה - המשך • עבור כל אליפסה נשמור: f(ri) = (xi, yi, li, αi), where i = 1, . . . , 7. • המידע לאורך זמן יישמר כמאפיין ממוצע המראה: s = (meanj(hj), meanj(Fj), stdj(Fj)) כאשר: Fj = (f(r1), . . . , f(r7)) • וכמאפיין הספקטראלי: t = (Ωd, |Xi(Ωd)|, phase(Xi(Ωd))) כאשר: Xi= FourierTransform(Fj=1...last(f(ri)))

7. הנוסחאות • Dij = 1/Sqrt(2ps) exp(-((||Pi – Pj||)/2s)) • Phij = (1-cos(qi +qj – 2aij)) * (1 – cos(qi-qj)) • a)i,j) = atan((yi – yj) / (xi-xj))

8. זיהוי ע"י אנליזת ההליכה - המשך • האם לכל המאפיינים יכולת הבחנה דומה? • לאחר הפעלת אנליזת שונות (ANOVA) על המאפיינים • מתקבל דירוג של המאפיינים לפי מידת ההשפעה שלהם.

9. תיאור הניסוי • תנאי הניסוי: סביבה פנימית, רקע משתנה, במשך 4 ימים, 24 נבדקים (10 נשים ו 14 גברים), מצלמת וידאו אנכית למסלול ההליכה • נתונים נוספים נאספו מבסיס הנתונים של CMU המכיל 25 נבדקים הולכים על הליכון

10. תיאור הניסוי

11. תיאור הניסוי - המשך סגמנטציה של ההולך מהרקע (“Adaptive background” C Stauffer & W.Grimson) וחישוב הוקטורים

12. תיאור הניסוי - המשך • השוואת וקטורים ע"י שימוש ב Mahalanobis :distance המרחק בין שתי נקודות x = (x1, . . . , xp)tו- y = (y1, . . . , yp)t במרחב Rp: Ds(x, y) = (x − y)tS−1(x − y)

13. תיאור הניסוי - המשך • שאלת הזיהוי: האם האדם הנכון נמצא ב n ההתאמות הראשונות בדירוג? ציר x – דרגת ההתאמות (n) ציר y – אחוז ההצלחה בזיהוי • שתי בדיקות: 1. בדיקה כנגד רצפי ההליכה בכל הימים 2. בדיקה כנגד רצפי ההליכה בכל הימים מלבד היום שבו הוקלט הנבדק

14. תוצאות 1: זיהוי אנשים • בבדיקה הראשונה תוצאות הקרובות ל 100%... • בבדיקה השנייה:

15. תוצאות 1: זיהוי אנשים • מאפיין ממוצע מראה: • מאפיין ספקטראלי:

16. תוצאות 2: זיהוי מין • זוהו 6 מאפיינים המבדילים בצורה הטובה ביותר בין גברים לנשים:

17. תוצאות 2: זיהוי מין - המשך • בדיקה על פי בחירה ראנדומלית של רצף • בדיקה על פי בחירה ראנדומלית של נבדק • SVM

18. מסקנות • ההשפעה הכי גדולה על התוצאות היתה סוג הלבוש של הנבדקים • שילוב חכם של מאפיין ממוצע המראה עם המאפיין הספקטאלי ייתן תוצאות טובות יותר • שילוב זיהוי הליכה עם זיהוי פנים יוכל להסיר את מגבלת הלבוש • יש אנשים שקל לזהות את ההליכה שלהם יותר מאנשים אחרים • ההבדל בין המינים הוא כנראה ליניארי...

19. זיהוי ע"י אנליזת סימטריה • אובייקט נקרא סימטרי אם הצורה שלו נשארת ללא שינוי לאחר פעולות סימטריות (לדוגמא שיקוף, שינוי גודל). • אופרטור סימטריה – משתמש ברצף קצוות של דמות על מנת לחשב גודל סימטריה M)Pk) = ΣC(Pi,Pj) C(Pi,Pj)=Di,jPhi,jIiIjכאשר: Ph, D – מרחק ופאזה בין שתי הנקודות Ij – לוגריתם גודל הסימטריה של j

20. חישוב אופרטור סימטריה

21. חישוב חתימת הליכה מצללית • החסרת הרקע (b) וזיהוי קצוות (c) • הפעלת אופרטור הסימטריה ליצירת מפות סימטריה (d)

22. חישוב חתימת הליכה מצללית - המשך • חישוב חתימת הליכה ע"י מיצוע מפות הסימטריה: GS = (ΣSj)/ N N – מספר מפות הסימטריה N N J=1

23. חישוב חתימת הליכה משטף אופטי • החסרת רקע וחישוב שטף אופטי ע"י החסרת שתי צלליות עוקבות • הפעלת אופרטור סימטריה וחישוב ממוצע

24. זיהוי הליכה • החלת טרנספורם פורייה על החתימות FD(u,v) = SSGS(x,y)exp(-j2p/N(ux + vy)) • לאחר מכן פילטר מעביר נמוכים על מנת להקטין את הרגישות לרכיבים בעלי תדירות גבוהה FD’(u,v) = { FD(u,v) if(u^2 + v^2) <= R^2 0 othewise • הזיהוי מתבצע ע"י השוואת מרחק אוקלידי: SDi,j = S|| (|FD’ix,y| - |FD’jx,y| ) ||

25. ניסוי 1 • נעשה שימוש בשלושה בסיסי נתונים שניים של SOTON ו UCSD

26. אחוז זיהוי לעומת דרגת פילטר

27. ניסוי 2 • אותו תהליך התבצע על רצפי הליכה, אולם לאחר החסרת מספר תמונות

28. ניסוי 3 • הסתרה/הוספה לחלק מהתמונה

29. מסקנות • לצללית האדם מאפיינים סימטריים ייחודיים • הזיהו לא יפגע אם האדם עובר מאחורי מסתור אנכי לא גדול • השיטה עובדת גם עם פריימים חסרים או רעש מוגבל

30. אנליזת מחזור תנועה • מבחינה תאורטית הליכת אדם היא צורה של תנועה מחזורית. • ניתן לחזות את התנועה של אדם בתוך מחזור הליכה • מחזור מחולק לשני חלקים עיקריים: עמידה והנפה

31. אנליזת מחזור תנועה • מחזור התנועה:

32. אנליזת מחזור תנועה • פונקציונלית, מחלקים את הגוף לשני סוגי איברים: חלקים "תנועתיים" (Locomotor) וחלקים "נוסעים" (Passenger) • קיימת הערכה על מיקומו של כל חלק במחזור התנועה

33. אנליזת מחזור תנועה • ביצוע הטלה על החלקים בכל תמונה

34. אנליזת מחזור תנועה • רצף תמונות יוצר את המחזוריות של תנועת הצעד

35. אנליזת מחזור תנועה בהשוואה ל... • החסרת הרקע ע"י שימוש בקצוות הדמות

36. אופן החסרת הרקע • זיהוי קצוות: • החלקת רעש על ידי מסיכה • זיהוי אובייקטים בתמונה • בחירת הדמות על בסיס ידע של גודל וצורה

37. השוואת השיטות • 200 דמויות שצולמו בתוך מבנה ובחוץ

38. תוצאות • הצלחה = האם האזור שזוהה מכיל את כל גוף האדם או לא

39. רפרנסים • Gate Analysis for Recognition and Classification /L. Lee, W.E.L Grimson • Automatic gait recognition by symmetry analysis/

40. The End… http://www.youtube.com/watch?v=VTgeNw1guBs&feature=related