Изучить методы Виолы-Джонса в библеотеке OpenCV, Хаара и интегральное представление изображения, а также изучить алгоритмы интеллектуальной обработки изображений и научится применять.

Оглавление

 

Постановка задачи:

Создание собственного ПО на базе ОС Android 2.3.7 для автоматической идентификации лица человека с помощью выявления его характеристик на фотографии.

Цель работы:

Изучить методы Виолы-Джонса в библеотеке OpenCV, Хаара и интегральное представление изображения, а также изучить алгоритмы интеллектуальной обработки изображений и научится применять.

   Введение

Распознавание лиц — практическое приложение теории распознавания образов, в задачу которого входит автоматическая локализация лица на фотографии и, в случае необходимости, идентификация персоны по лицу. Функцию идентификации людей на фотографиях уже активно используют в программном обеспечении для управления фотоальбомами

Метод Виолы-Джонса (Viola-Jones) (по фамилиям двух его авторов).  Хотя метод был разработан и представлен в 2001 году Полом Виолой и Майклом Джонсом [1, 2], он до сих пор на момент написания моего поста является основополагающим для поиска объектов на изображении в реальном времени. Предназначен для обнаружения объектов на изображениях в реальном времени (например, на кадрах видео-потока). Метод отвечает на вопросы: "есть ли на изображении лица людей?", и "где они, предположительно, находятся?".

Основные принципы, на которых основан метод, таковы:
1) используются изображения в интегральном представлении, что позволяет вычислять быстро необходимые объекты;

2) используются признаки Хаара, с помощью которых происходит поиск нужного объекта (в данном контексте, лица и его черт);

3) используется бустинг (от англ. boost – улучшение, усиление) для выбора наиболее подходящих признаков для искомого объекта на данной части изображения;

4) все признаки поступают на вход классификатора, который даёт результат «верно» либо «ложь»;

Используются каскады признаков для быстрого отбрасывания окон, где не найдено лицо.

Признаки Хаара
Признак — отображение f: X => Df, где Df — множество допустимых значений признака. Если заданы признаки f1,…,fn, то вектор признаков x = (f1(x),…,fn(x)) называется признаковым описанием объекта x ∈ X. Признаковые описания допустимо отождествлять с самими объектами. При этом множество X = Df1* …* Dfn называют признаковым пространством [1].
Признаки делятся на следующие типы в зависимости от множества Df:

бинарный признак, Df = {0,1};

номинальный признак: Df — конечное множество;

порядковый признак: Df — конечное упорядоченное множество;

Элементы матрицы рассчитываются по следующей формуле:   

 где I(i,j) — яркость пиксела исходного изображения.
 Каждый элемент матрицы II[x,y] представляет собой сумму пикселов в прямоугольнике от (0,0) до (x,y).

Расчет матрицы занимает линейное время, пропорциональное числу пикселов в изображении.

Расчет матрицы можно производить по рекуррентной формуле:

II(x,y) = I(x,y) — II(x-1,y-1) + II(x,y-1) + II(x-1,y)

OpenCV - Библиотека компьютерного зрения с открытым исходным кодом(Open Source Computer Vision Library), содержащая более 500 функций, заточенных под выполнение в реальном времени.

Изначально перед OpenCV ставились следующие цели:

Исследование машинного зрения, разработка и оптимизация кода.

Распространение информации по машинному зрению, разработка общей инфраструктуры на которой могли бы основываться разработчики, код должен быть удобочитаем и передаваем.

Базовые структуры

Матричную алгебру

Алгоритмы работы с памятью

§ Алгоритмы преобразования типов

Алгортмы для обработки ошибок

Функции для записи/чтения XML файлов

Функции для работы с 2D графиками

§ CV – Модуль обработки изображений, работа с компьютерным зрением, содержит:

§ Функции для работы с изображениями (преобразование, фильтрация и т.д.)

Функции для анализа изображений (поиск контуров, гистограммы и т.д.)

Алгоритмы анализа движений, слежение за объектами

§ Алгоритмы распознания объектов (лиц, предметов)

Алгоритмы для калибровки камер

§ ML – Машинное обучение:

Функции для классификации и анализа данных

§ HighGUI – Модуль для создания пользовательского интерфейса, отвечает за:

Создание окон

Вывод изображений

Чтение/Запись изображений

Пространственное зрение

Поиск стерео соответствий

Описание текстур

«Машинное обучение — это наука, изучающая компьютерные алгоритмы, автоматически улучшающиеся во время работы» (Michel, 1996)

Список используемой литературы и ссылки на web-страницы:

http://face-rec.org/general-info/ (помогло сформулировать цель) Загребский университет, Факультет электротехники и вычислительной техники Департамент беспроводных коммуникаций. Профессор Mislav Grgic, доктор философии и Кресимир Делач, доктор философии

http://habrahabr.ru/post/102919/ (Интегральное представление изображений) Статья Павела Торгашова

http://habrahabr.ru/post/133826/ (Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц) статья ника в сети «skynoname» (найти разрешение (http://habrahabr.ru/users/nickbbc/)

http://habrahabr.ru/post/198338/ (Использование каскада Хаара для сравнения изображений) статья Мальцева Антона

Оглавление

 

Постановка задачи:

Создание собственного ПО на базе ОС Android 2.3.7 для автоматической идентификации лица человека с помощью выявления его характеристик на фотографии.

Цель работы:

Изучить методы Виолы-Джонса в библеотеке OpenCV, Хаара и интегральное представление изображения, а также изучить алгоритмы интеллектуальной обработки изображений и научится применять.

   Введение

Распознавание лиц — практическое приложение теории распознавания образов, в задачу которого входит автоматическая локализация лица на фотографии и, в случае необходимости, идентификация персоны по лицу. Функцию идентификации людей на фотографиях уже активно используют в программном обеспечении для управления фотоальбомами

Метод Виолы-Джонса (Viola-Jones) (по фамилиям двух его авторов).  Хотя метод был разработан и представлен в 2001 году Полом Виолой и Майклом Джонсом [1, 2], он до сих пор на момент написания моего поста является основополагающим для поиска объектов на изображении в реальном времени. Предназначен для обнаружения объектов на изображениях в реальном времени (например, на кадрах видео-потока). Метод отвечает на вопросы: "есть ли на изображении лица людей?", и "где они, предположительно, находятся?".

Основные принципы, на которых основан метод, таковы:
1) используются изображения в интегральном представлении, что позволяет вычислять быстро необходимые объекты;

2) используются признаки Хаара, с помощью которых происходит поиск нужного объекта (в данном контексте, лица и его черт);

3) используется бустинг (от англ. boost – улучшение, усиление) для выбора наиболее подходящих признаков для искомого объекта на данной части изображения;

4) все признаки поступают на вход классификатора, который даёт результат «верно» либо «ложь»;