Meta:

Za prácu už hlasovalo
40 čitateľov
Zaujala aj vás? Hlasujte!

Detekcia tvárí a tvárových čŕt v obraze

Ing. Marián Beszédeš (Školiteľ: Doc. Dr. Ing. Miloš Oravec) | pridané: 16. októbra 2007

Abstrakt dizertačnej práce:

Moja dizertačná práca sa zaoberá problematikou detekcie farby pokožky, detekcie tvárí, tvárových čŕt a spracovaním získaných informácií vo forme rozpoznania výrazu tváre. Spomenuté problémy sú ostatných 15 rokov intenzívne analyzované, pretože okruh ich aplikácie je nesmierne široký. Výskum týkajúci sa týchto problémov je preto vysoko aktuálny. V práci sú analyzované všetky spomenuté okruhy problémov pričom sú následne navrhnuté a experimentálne overené riešenia, ktoré by mohli viesť k lepším výsledkom.

Obsah práce pozostáva z dvoch celkov. Prvý celok obsahuje tri kapitoly v ktorých som (1) popísal oblasti analyzovanej problematiky a úlohy ktoré s nimi súvisia, (2) uviedol prehľad publikácií súvisiacich s riešením týchto úloh a nakoniec (3) na základe nich stanovil svoje ciele v rámci dizertačnej práce. Druhý celok pozostával zo štyroch kapitol, ktoré sa zaoberali (1) detekciou farby ľudskej pokožky, (2) detekciou tvárí, (3) detekciou tvárových čŕt a (4) rozpoznaním výrazu tváre. Každá z nich pozostávala z troch častí, v ktorých som (a) opísal teoretické pozadie problému, (b) opísal experimenty vykonané v rámci problematiky a (c) zhodnotil dosiahnuté výsledky.

V súvislosti s detekciou farby pokožky je v práci analyzovaný alternatívny priestor farieb vytvorený špeciálne pre potreby klasifikácie farieb pokožky pomocou metódy analýzy hlavných komponentov. Na klasifikáciu farieb pokožky je použitý nový prístup postavený na báze AdaBoost algoritmu. Tento v spojení s vhodným nastavením jeho súčastí dosahuje porovnateľné výsledky ako známe metódy pre detekciu farieb, pričom má podstatne nižšie pamäťové nároky.

V práci je analyzované a experimentálne vyhodnotené použitie spomenutého detektoru farby pokožky ako predstupňa detektoru tvárí postaveného na báze „Boosted`` kaskádovej detekcie (BCD). Experimenty dokázali, že takéto spojenie dokáže v určitých prípadoch výrazne zvýšiť rýchlosť BCD prístupu, ale hlavne zvýšiť jeho presnosť. Počet nesprávnych detekcií je totižto v prípade použitia detekcie farby pokožky znížený na polovicu pri minimálnom znížení počtu správnych detekcií.

Na detekciu tvárových čŕt je použitá kombinácia metódy aktívnych tvarových modelov (AAM) a metódy SVM (Support Vector Machine) regresie v rámci AAM vyhľadávania. Experimenty ukázali, že pri vhodných nastaveniach trénovacích parametrov a reprezentatívnych trénovacích dátach dosahuje metóda nelineárnej SVM regresie podstatne lepšie výsledky ako prístupy pôvodne navrhnuté autormi AAM metódy.

V rámci rozpoznania výrazu tváre som na extrakciu vhodných príznakov z obrazu tvárí použil metódu AAM. Na klasifikáciu jednotlivých emócií a ich stupňov bola aplikovaná metóda SVM klasifikácie. V tejto časti bol analyzovaný aj vplyv jednotlivých typov príznakov extrahovaných pomocou AAM metódy a súčasne vplyv kvality použitých obrazov na výslednú presnosť klasifikácie. Výsledky získané prostredníctvom vytvoreného klasifikátora boli porovnané s výsledkami psychologického experimentu. V tomto experimente mali ľudský respondenti vykonávať klasifikáciu na podobných dátach a do rovnakých výstupných tried ako v prípade SVM klasifikátora. Výsledkom porovnania bolo zistenie, že nami vytvorený klasifikátor trénovaný na dátach určitého typu, dosahoval na testovacích dátach rovnakého charakteru o trochu lepšie výsledky pri klasifikácii typu emócií, zatiaľčo ľudský respondenti dosahovali lepšie výsledky pri klasifikácii stupňa jednotlivých emócií.

Diskusia k vedeckej práci:

Dostupnosť dizertačnej práce:

Diplomová práca sa nachádza v knižnici tejto vysokej školy:
Slovenská technická univerzita v Bratislave - Fakulta elektrotechnity a informatiky - Katedra telekomunikácií

Slovenská technická univerzita v Bratislave, Fakulta elektrotechniky a informatiky, Knižnica
Ilkovičova 3
Bratislava 1
812 19
http://www.elf.stuba.sk/

Diplomová práca nebola vložená diplomantom. Prácu vložil/a Marián Beszédeš.

Podobné diplomové práce

Bibliografický odkaz

BESZÉDEŠ, Marián: Detekcia tvárí a tvárových čŕt v obraze [ Dizertačná práca ] Slovenská technická univerzita v Bratislave, Fakulta elektrotechnity a informatiky, Katedra telekomunikácií. Školiteľ: Doc. Dr. Ing. Miloš Oravec. Rok obhajoby: 2007

Disertation Thesis:

Face and Facial Feature Detection

Ing. Marián Beszédeš (Supervisor: Doc. Dr. Ing. Miloš Oravec) | added: 16. októbra 2007

Abstract of disertation thesis:

Problems related to skin colour detection, face detection, facial features detection and facial emotion classification are analyzed in this thesis. All of the areas mentioned above have been subjects to intensive research in last 15 years because of many possible applications related to them. Thus, further research is very important and current.

Problems related to skin colour detection, face detection, facial features detection and facial emotion classification are analyzed in this thesis. All of the areas mentioned above have been subjects to intensive research in last 15 years because of many possible applications related to them. Thus, further research is very important and current. Analysis of the mentioned areas, theoretic background, experiments with new solutions, together with conclusions are presented in the thesis.

My thesis consists of two main parts. First part contains three chapters that include (1) detail description of problem areas, (2) state of art in the mentioned areas and (3) objectives of my thesis. Second part contains four chapters, which deal with (1) skin colour detection, (2) face detection, (3) facial features detection and (4) facial expression recognition. All of these chapters have the same structure - (a) theoretic background, (b) description of experiments and (c) conclusions related to experiments' results.

Analysis of alternative colour space properties retrieved using principal component analysis is given. This colour space is designed specially for skin colour detection. Novel skin colour classification approach based on AdaBoost is presented. This approach connected with proper setting results in classification accuracy comparable with other well known methods. However, memory requirements of this novel approach are much lower.

The skin colour detection method mentioned above is used as a preprocessing step for boosted cascade detector trained for face detection (BCD). Experiments show that this kind of preprocessing can significantly increase the face detector speed. Moreover, detection accuracy is improved as well. The number of false positive detections is reduced to half, while the number of true positive detections is reduced just insignificantly.

Novel combination of active appearance model (AAM) method and SVM (Support Vector Machine) regression method used for AAM fitting is employed for facial feature detection. Experiments show that the novel combination of methods together with proper setting and representative training data set can result in detection accuracy, which is much better than original approaches designed by authors of AAM method.

Automatic emotion and emotion levels recognition based on facial expression analysis and recognition is another topic of my thesis. AAM method is applied for different feature types extraction, while SVM classifiers trained on these features are used for the recognition tasks. Influence of feature type as well as influence of source image quality to recognition correctness is analysed too. Recognition results of this automatic system are compared to results of psychological experiments. This experiment consist of human respondents' classifications of images with similar properties like the images that are used for SVM classifier evaluation. The same target classification classes are used in both cases. The comparison shows that machine based classifier reached slightly better classification results on data with similar characteristic like the data used during its training process, while human respondents are better at emotion levels classification.