Upload
paulo-vitor-mira-fonseca
View
137
Download
0
Embed Size (px)
DESCRIPTION
Detecção de faces em vídeos (TCC Unifesp)
Citation preview
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Deteccao de faces em vıdeos
Paulo Vitor Mira FonsecaOrientador: Prof. Dr. Marcos G. Quiles
Co-orientador: Prof. Dr. Ezequiel Roberto Zorzal{pfonseca, quiles, ezorzal}@unifesp.br
Unifesp - Universidade Federal de Sao Paulo
http://www.unifesp.br
4 de dezembro de 2011
DCT–UNIFESP — Deteccao de faces em vıdeos 1/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Sumario I
1 Introducao
2 Visao Computacional
3 Bibliotecas de Visao Computacional
4 OpenCVBiblioteca OpenCVAlgoritmo Viola-Jones
Integracao de imagemAprendizado AdaBoostClassificador em cascata
5 Algoritmo EigenFaces
6 Trabalho RealizadoDescricao
7 Resultados obtidos
8 Conclusao
9 Referencias
DCT–UNIFESP — Deteccao de faces em vıdeos 2/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Contextualizacao e Motivacao
Computadores tornaram-se fundamentais em nossas vidas
Melhorar usabilidade
Deteccao e reconhecimento de faces humanas
Processo nao-intrusivo em biometria.
Metodo muito complexo de ser realizadocomputacionalmente.
Interferencias[17].
DCT–UNIFESP — Deteccao de faces em vıdeos 3/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Objetivos e Motivacoes
Aprimorar os conhecimentos de aprendizado de maquina ede processamento de imagens adquiridos ao longo dagraduacao;
Implementar uma ferramenta pratica a ser utilizada nosistema de vıdeos da Unifesp-SJC, permitindo oaprimoramento em nosso sistema de monitoramento deusuarios e intrusos no campus.
DCT–UNIFESP — Deteccao de faces em vıdeos 4/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Visao Computacional
Visao Computacional e um dos campos da inteligenciaartificial.
Responsavel pela interpretacao de imagens.
A maneira que um computador ”enxerga”se da pelosatributos de seus pixels.
Amplamente empregados em diversas areas da ciencia [9]:
Robotica.Processamento de imagens medicas.Deteccao/reconhecimento de faces.etc.
DCT–UNIFESP — Deteccao de faces em vıdeos 5/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Bibliotecas de Visao Computacional
Devido a complexidade dos algoritmos de visao computacional,existem diversas bibliotecas disponıveis na literatura.
DCT–UNIFESP — Deteccao de faces em vıdeos 6/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Bibliotecas de Visao Computacional
Ferramenta OpenCV[6] LTI-Lib[4] ARToolKit[5] CVD[3] Gpucv[2] pyVysion[7]
Licenca BSD GNU LGPL GNU GPL/AR-ToolKitCDL
GNU LGPL CeCILL-B BSD
SistemasOperacionais
LinuxWindowsMacOSXAndroidIPhone
LinuxWindows
SGI-IRIXWindowsMacOSXLinuxSymbianiPhoneAndroid
LinuxFreeBSDOpenBSDOSXSolarisIRIXWindows
WindowsLinux
LinuxWindowsMacOSX
Linguagenssuportadas
C, C++ C++ C/C++ C++ C++ Python
Tempo real sim nao sim sim sim simCriador Intel RWTH Aachen
UniversityNara Institute ofScience and Te-chnology
University ofCambridge
Yannick Allusse David S. Bolme
Ano de desen-volvimento
1999 1998 1999 2005 2006 2008
Recebe atua-lizacoes
sim nao sim Nao sim nao
Restricoes dosistema
nao nao sim Nao sim (Processa-dores graficos)
nao
Facilidade deuso
sim nao sim sim nao sim
Exemplos en-contrados
sim nao nao sim sim sim
Tabela: Comparativo de bibliotecas de visao computacional
DCT–UNIFESP — Deteccao de faces em vıdeos 7/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Bibliotecas de Visao Computacional
A biblioteca OpenCV apresenta a melhor escolha, pois:
Pode ser executada em diversos sistemas operacionais.
Pode ser executada em tempo real.
Recebe atualizacoes
Facil uso
Existem muitos exemplos de uso
Atendendo todos os requisitos para a realizacao deste projeto.
DCT–UNIFESP — Deteccao de faces em vıdeos 8/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
OpenCV
OpenCV [6] e uma biblioteca que auxilia o processo devisao computacional.
Provendo mais de 2000 funcoes utilitarias
Projeto de codigo aberto e distribuıdo sobre a licencaBSD[1]
Escrito em linguagem C++.
Existem interfaces para outras linguagens deprogramacao:
PythonRubyCEntre outras.
DCT–UNIFESP — Deteccao de faces em vıdeos 9/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
OpenCV
Pode ser executado nos seguintes sistemas operacionais:
LinuxWindowsMacOS X
Projeto teve inıcio nos laboratorios da Intel.
Tendo como foco aplicacoes que rodam em tempo-real.
IPP (Integrated Performance Primitives).
DCT–UNIFESP — Deteccao de faces em vıdeos 10/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Algoritmo Viola-Jones
Algoritmo de deteccao de faces utilizado pelo OpenCV.
Baseado em tres ideias[16]:
1 Integracao de imagens2 Aprendizado AdaBoost3 Classificador em cascata.
DCT–UNIFESP — Deteccao de faces em vıdeos 11/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Integracao de imagem
Processamento de partes intermediarias da imagem
A integral da imagem localizada no retangulorepresentado pelos pontos (X ,Y )
Soma dos valores dos pixels, em escala de cinza.
DCT–UNIFESP — Deteccao de faces em vıdeos 12/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Integracao de imagem
Figura: Integracao de imagem
DCT–UNIFESP — Deteccao de faces em vıdeos 13/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Integracao de imagem
ii(x , y) =∑
x ′≤x ,y ′≤y
i(x ′, y ′) (1)
Onde ii(x , y) e a integral da imagem contida no retanguloprocessado e i(x , y) e a imagem original.
DCT–UNIFESP — Deteccao de faces em vıdeos 14/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Aprendizado AdaBoost
AdaBoost (Adaptive Boosting) e um algoritmo deaprendizado de maquina [10].
O objetivo e encontrar uma hipotese final com o menorerro relativo em relacao a distribuicao de exemplos detreinamento.
Combina classificadores fracos.
Apresenta tempos de execucao muito baixos.
DCT–UNIFESP — Deteccao de faces em vıdeos 15/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Classificador em cascata
Componente mais crıtico algoritmo Viola-Jones.
Sub-janelas negativas sao rejeitas.
Mantendo todas as sub-janelas positivas.
Os primeiros classificadores que entram em execucao saoos classificadores mais simples.
DCT–UNIFESP — Deteccao de faces em vıdeos 16/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Classificador em cascata
Componente mais crıtico algoritmo Viola-Jones.
Sub-janelas negativas sao rejeitas.
Mantendo todas as sub-janelas positivas.
Os primeiros classificadores que entram em execucao saoos classificadores mais simples.
DCT–UNIFESP — Deteccao de faces em vıdeos 16/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Classificador em cascata
Componente mais crıtico algoritmo Viola-Jones.
Sub-janelas negativas sao rejeitas.
Mantendo todas as sub-janelas positivas.
Os primeiros classificadores que entram em execucao saoos classificadores mais simples.
DCT–UNIFESP — Deteccao de faces em vıdeos 16/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Classificador em cascata
Componente mais crıtico algoritmo Viola-Jones.
Sub-janelas negativas sao rejeitas.
Mantendo todas as sub-janelas positivas.
Os primeiros classificadores que entram em execucao saoos classificadores mais simples.
DCT–UNIFESP — Deteccao de faces em vıdeos 16/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Classificador em cascata
Figura: Aplicacao de classificadores
DCT–UNIFESP — Deteccao de faces em vıdeos 17/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Algoritmo EigenFaces
Implementado na biblioteca OpenCV.
Reconhecimento facial utilizando estımulos faciais [15].
Analise de Componentes Principais (PrincipalComponents Analysis, ou simplesmente PCA).
Imagens de faces humanas frontais com variacao de pose.
DCT–UNIFESP — Deteccao de faces em vıdeos 18/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais(PCA)
Utilizado no reconhecimento de face e compressao deimagens.
Permite encontrar padroes em dados de alta dimensao.
Uso de autovetores e autovalores.
DCT–UNIFESP — Deteccao de faces em vıdeos 19/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes PrincipaisAlgoritmo
1 Obtencao de dados
2 Subtracao da media
3 Calculando a matriz de covariancia
4 Calculando os autovetores e autovalores da matriz decovariancia
5 Escolhendo um componente e o vetor de caracterısticas
6 Derivando um novo conjunto de dados
DCT–UNIFESP — Deteccao de faces em vıdeos 20/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais1 - Obtencao de dados
Criacao da base de treinamento
Extracao de caracterısticas
Caracterısticas bem definidas
DCT–UNIFESP — Deteccao de faces em vıdeos 21/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais2 - Subtracao da media
Processamento em todas as dimensoes da representacaodos dados da base de treinamento
Achar uma media de representacao
Subtracao da media
Dados extraıdos do artigo ”A tutorial on PrincipalComponents Analysis” [14]
DCT–UNIFESP — Deteccao de faces em vıdeos 22/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais2 - Subtracao da media
Figura: Dados de exemplos PCA (Dados originais a esquerda edados com media subtraıda a direita)
DCT–UNIFESP — Deteccao de faces em vıdeos 23/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais2 - Subtracao da media
Figura: Distribuicao dos dados originais
DCT–UNIFESP — Deteccao de faces em vıdeos 24/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais3 - Calculando a matriz de covariancia
cov =
(0, 616555556 0, 6154444440, 615444444 0, 716555556
)(2)
DCT–UNIFESP — Deteccao de faces em vıdeos 25/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais4 - Calculando os autovetores e autovalores da matriz de covariancia
AV = λV (3)
autovalores = {0, 0490833989; 1, 28402771} (4)
autovetores =
(−0, 735178656 −0, 6778733990, 677873399 −0, 735178656
)(5)
DCT–UNIFESP — Deteccao de faces em vıdeos 26/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais4 - Calculando os autovetores e autovalores da matriz de covariancia
Figura: Distribuicao dos dados normalizados e os autovetoresencontrados.
DCT–UNIFESP — Deteccao de faces em vıdeos 27/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais5 - Escolhendo um componente e o vetor de caracterısticas
Os autovalores definem a significancia do autovetor
Ordenar autovetores de acordo com os respectivosautovalores
Decidir se um autovetor pode ser ignorado
VetordeCaracter i sticas = (eig1 eig2 eig3 ... eign) (6)
DCT–UNIFESP — Deteccao de faces em vıdeos 28/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais5 - Escolhendo um componente e o vetor de caracterısticas
(−0, 677873399 −0, 735178656−0, 735178656 0, 677873399
)(7)
(−0, 677873399−0, 735178656
)(8)
DCT–UNIFESP — Deteccao de faces em vıdeos 29/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes Principais6 - Derivando um novo conjunto de dados
Multiplicacao da transposta da matriz de caracterısticasselecionada na etapa anterior pela esquerda da transposta damatriz dos dados ajustados obtida no passo 2
VetorDeCaracter i sticasSelecionadas×VetorDeDadosAjustados(9)
DCT–UNIFESP — Deteccao de faces em vıdeos 30/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes PrincipaisTreinamento
Conjunto de treinamento e projetado no espaco de faces.
Autovetores encontrados pelo metodo PCA.
Eixos representam os autovetores de maior relevanciaselecionados
DCT–UNIFESP — Deteccao de faces em vıdeos 31/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes PrincipaisTreinamento
Figura: Espaco de faces (Face Space) em 2D, onde os eixosrepresentam os autovetores selecionados [15]
DCT–UNIFESP — Deteccao de faces em vıdeos 32/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Analise de Componentes PrincipaisReconhecimento
Extracao dos autovetores e autovalores da face
Comparacao com os autovetores da base de treinamento
Escolha da menor distancia
Melhoria: Uso da distancia de Mahalanobis [12]
DCT–UNIFESP — Deteccao de faces em vıdeos 33/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Deteccao de faces
Uso da biblioteca OpenCV.
“haarcascade frontalface alt2.xml”.
Versao 2.1 da biblioteca OpenCV.
Tecnicas de tratamento de imagens [11].
1 Criacao da imagem em escala de cinza.2 Diminuicao da escala da imagem em escala de cinza.3 Equalizacao de histograma.
Amostragem no processamento das faces obtidas dacamera.
DCT–UNIFESP — Deteccao de faces em vıdeos 34/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Deteccao de faces
Apos uma serie de experimentos foi verificado que ha umganho maior quando a busca por faces e realizada a cadaquatro frames.
DCT–UNIFESP — Deteccao de faces em vıdeos 35/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Reconhecimento de faces
Classificar faces em relacao a um banco de dados
Apos a deteccao de faces
Algoritmo Eigenfaces [15]
Distancias entre subespacos PCA.
Distancia EuclidianaDistancia Mahalanobis [13]
DCT–UNIFESP — Deteccao de faces em vıdeos 36/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Aprendizagem
Leitura de arquivo de treinamento
Metodo PCA para encontrar um subespaco
Projetar as faces de treinamento no espaco de facesEigenFaces
Armazenamento em arquivo xml
DCT–UNIFESP — Deteccao de faces em vıdeos 37/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Arquivo de configuracao
50461 treinamento /50461/0. pgm
50461 treinamento /50461/1. pgm
50461 treinamento /50461/2. pgm
50461 treinamento /50461/3. pgm
50461 treinamento /50461/4. pgm
50461 treinamento /50461/5. pgm
50461 treinamento /50461/6. pgm
50461 treinamento /50461/7. pgm
50461 treinamento /50461/8. pgm
50461 treinamento /50461/9. pgm
DCT–UNIFESP — Deteccao de faces em vıdeos 38/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Arquivo de configuracao
Figura: Exemplo de arquivo de treinamento
DCT–UNIFESP — Deteccao de faces em vıdeos 39/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Treinamento on-line
Captura de faces para a base de dados
Processamento da imagem capturada
Atualizacao do arquivo de treinamento
Captura de 10 faces
92 pixels de largura por 112 pixels de comprimento
DCT–UNIFESP — Deteccao de faces em vıdeos 40/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Algoritmo de Farneback
Fluxos opticos (”optical flow”) em imagens sequenciais [8]
Usado neste desenvolvimento para comparar imagens paraa base de treinamento.
DCT–UNIFESP — Deteccao de faces em vıdeos 41/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Algoritmo de Farneback
Figura: Algoritmo de Farneback
DCT–UNIFESP — Deteccao de faces em vıdeos 42/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Aplicacao
Figura: Tela do software implementado
DCT–UNIFESP — Deteccao de faces em vıdeos 43/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Tempo de treinamento
Figura: Grafico mostrando crescimento do tempo deprocessamento de acordo com o numero imagens de treinamento
DCT–UNIFESP — Deteccao de faces em vıdeos 44/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Testes realizados
Captura estatica
Variacao de iluminacao
Uso de acessorios
Uso de oclusoes
Identificacao de imagens durante movimentos
DCT–UNIFESP — Deteccao de faces em vıdeos 45/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Testes realizados
Problema Acerto (%)
Captura estatica frontal 91,00Captura estatica inclinada 5,00Com pouca iluminacao 94,00Com muita iluminacao 44,00Com acessorio (oculos) 88,0Com acessorio (chapeu) 80,00Com oclusao (olho) 81,00Com movimentos 15,00
Tabela: Taxa de acerto para base de treinamento de 1 imagempara cada face em diferentes situacoes
DCT–UNIFESP — Deteccao de faces em vıdeos 46/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Testes realizados
Problema Acerto (%)
Captura estatica frontal 99,00Captura estatica inclinada 7,00Com pouca iluminacao 100,00Com muita iluminacao 82,00Com acessorio (oculos) 100,0Com acessorio (chapeu) 88,00Com oclusao (olho) 40,00Com movimentos 59,00
Tabela: Taxa de acerto para base de treinamento de 5 imagenspara cada face em diferentes situacoes
DCT–UNIFESP — Deteccao de faces em vıdeos 47/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Testes realizados
Problema Acerto (%)
Captura estatica frontal 100,00Captura estatica inclinada 100,00Com pouca iluminacao 5,00Com muita iluminacao 97,00Com acessorio (oculos) 98,0Com acessorio (chapeu) 98,00Com oclusao (olho) 83,00Com movimentos 93,00
Tabela: Taxa de acerto para base de treinamento de 10 imagenspara cada face em diferentes situacoes
DCT–UNIFESP — Deteccao de faces em vıdeos 48/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Testes realizados
Figura: Crescimento da taxa de acerto quando o numero deimagens por face aumenta
DCT–UNIFESP — Deteccao de faces em vıdeos 49/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Conclusoes
Execucao em tempo real.
Algoritmo Viola-Jones e muito leve e eficaz paraidentificacao de faces frontais.
10 imagens para cada pessoal no banco de treinamento.
Variacao de iluminacao.
Qualidade da camera utilizada.
Base de treinamento para o algoritmo EigenFaces.
DCT–UNIFESP — Deteccao de faces em vıdeos 50/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Referencias I
BSD License, 04 2011.
Gpucv, 04 2011.
libcvd, 04 2011.
LTI-Lib, 04 2011.
LTI-Lib, 04 2011.
Open Source Computer Vision Library, 04 2011.
pyvision, 04 2011.
DCT–UNIFESP — Deteccao de faces em vıdeos 51/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Referencias II
G. Farneback.Polynomial Expansion for Orientation and MotionEstimation.PhD thesis, Linkoping University, Sweden, SE-581 83Linkoping, Sweden, 2002.Dissertation No 790, ISBN 91-7373-475-6.
D. A. Forsyth and J. Ponce.Computer Vision: A Modern Approach.Prentice Hall, us ed edition, Aug. 2002.
Y. Freund and R. E. Schapire.A decision-theoretic generalization of on-line learning andan application to boosting, 1995.
DCT–UNIFESP — Deteccao de faces em vıdeos 52/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Referencias III
R. C. Gonzalez and R. E. Woods.Processamento de imagens digitais.Blucher, 2010.
S. Magazine.Implementing eigenface, 2007.
P. C. Mahalanobis.On The Generalized Distance in Statistics.1936.
L. I. Smith.A Tutorial on Principal Component Analysis, 2002.
DCT–UNIFESP — Deteccao de faces em vıdeos 53/54
Introducao Visao Computacional Bibliotecas de Visao Computacional OpenCV Algoritmo EigenFaces Trabalho Realizado Resultados obtidos Conclusao Referencias
Referencias IV
M. Turk and A. P. Pentland.Face Recognition Using Eigenfaces.1991.
P. Viola and M. Jones.Robust Real-time Object Detection.SECOND INTERNATIONAL WORKSHOP ONSTATISTICAL AND COMPUTATIONAL THEORIES OFVISION, 2001.
C. Zhang and Z. Zhang.A Survey of Recent Advances in Face Detection.page 17, Junho 2010.
DCT–UNIFESP — Deteccao de faces em vıdeos 54/54