Выделение лиц по цвету


The Presentation inside:

Slide 0

Выделение лиц по цвету для постфильтрации ложных выделений после алгоритма Виола-Джонса


Slide 1

Некоторые подходы к выделению лиц по цвету Простой подход: Задать область в цветовом пространстве Если пиксель попадает внутрь этой области, – то он «лицевой» Если процент лицевых пикселей больше порога, то изображение – «лицо»


Slide 2

Какое выбрать цветовое пространство? RGB Нужно ли переходить к какому-то другому цветовому пространству? НЕТ любая область в любом пространстве соот-ветствует некоторой области в пространстве RGB


Slide 3

Как задать область в пространстве RGB Параллелепипед (пороги на каждую компоненту) Произвольная область (порог на некоторую функцию f (R, G, B) ) Недостатки простого подхода Всего 2 градации оценки пикселя : 1 – «лицевой», 0 – «не лицевой» Маленькая область – много «лиц» будет потеряно, большая область – много «не лиц» выделится


Slide 4

Улучшение простого подхода Несколько параллельно работающих областей: Задать несколько областей Посчитать процент лицевых пикселей для каждой области отдельно Если хотя бы один из них больше порога, то изображение – «лицо» Несмотря на то, что лица людей могут сильно различаться по цвету, пиксели лица человека на конкретном изображении лежат в узких рамках


Slide 5

Если задать одну большую область в которую попадают все эти оттенки, то много «не лиц» будет выделено Если задать 6 областей , каждая из которых соответствовала бы своему оттенку, то ложных выделений станет намного меньше Улучшение простого подхода


Slide 6

Некоторые подходы к выделению лиц по цвету Вероятностный подход: Каждому элементу цветового пространства задать вероятность того, что он соответствует лицу 0?P(R, G, B)<1 Просуммировать P(R, G, B) для каждого пикселя изображения Если полученная сумма больше порога, то изображение – «лицо»


Slide 7

Как задавать вероятность? Параметрическая P(R,G,B) – Гаусово распределение и т. п. Непараметрическая P(R,G,B) Нарезать из изображений обучающих фрагментов кожи лиц Посчитать P(R,G,B) как N(R,G,B) / N общ


Slide 8

Улучшение вероятностного подхода Несколько параллельно работающих распределений вероятности P(R,G,B) Задать несколько распределений { Pi (R,G,B) } Посчитать несколько сумм для каждого из { Pi (R,G,B) } Если хотя бы одна из этих сумм больше порога (у каждой суммы порог может быть свой), то изображение – «лицо»


Slide 9

Улучшение вероятностного подхода Использование пространственной информации


Slide 10

Выделение лиц по цвету для постфильтрации ложных выделений после алгоритма Виола-Джонса


×

HTML:





Ссылка: