Przyk ady identyfikacji obiekt w
This presentation is the property of its rightful owner.
Sponsored Links
1 / 28

PRZYKŁADY IDENTYFIKACJI OBIEKTÓW PowerPoint PPT Presentation


  • 95 Views
  • Uploaded on
  • Presentation posted in: General

PRZYKŁADY IDENTYFIKACJI OBIEKTÓW. SPOSOBY IDENTYFIKACJI OSÓB. Identyfikator i hasło - najbardziej popularna metoda identyfikacji osób .

Download Presentation

PRZYKŁADY IDENTYFIKACJI OBIEKTÓW

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Przyk ady identyfikacji obiekt w

PRZYKŁADY IDENTYFIKACJI OBIEKTÓW


Sposoby identyfikacji os b

SPOSOBY IDENTYFIKACJI OSÓB

  • Identyfikator i hasło - najbardziej popularna metoda identyfikacji osób.

  • Rozpoznawanie tęczówki i siatkówki - jest jedną z najefektywniejszych metod rozpoznawania. Unikalność siatkówki i tęczówki daje nam potężne narzędzie w identyfikowaniu osób.

  • Rozpoznawanie głosu - identyfikacja oparta jest na analizie informacji zawartych w fali dźwiękowej - jakiejś frazie wypowiadanej przez użytkownika.

  • Daktyloskopia - jest jedną z najpopularniejszych metod, ale w tradycyjnym, "papierowym" wydaniu.

  • Identyfikacja twarzy - tylko ta metoda pozwala na identyfikację osób bez ich czynnego udziału w procesie identyfikacji. Dzięki tej metodzie możemy identyfikować ludzi w tłumie.

  • Analiza szybkości pisania na klawiaturze.


Sposoby identyfikacji os b cd

Sposoby identyfikacji osób cd.

  • Analiza kształtu dłoni - wymiary i kształt dłoni są bardzo indywidualną cechą każdej osoby. Odległość pomiędzy charakterystycznymi punktami na dłoni (na przykład palców, stawów itp.) oraz długość palców i ich proporcje pozwalają na skojarzenie tych cech z konkretnym użytkownikiem.

  • Analiza kodu DNA - jest to najbardziej zaawansowana metoda identyfikacji osób. Jednak nie może zostać dokonana bez specjalnych analiz biologicznych pobranego materiału genetycznego.

  • Podpis - Każdy człowiek z wiekiem wyrabia swój indywidualny, charakterystyczny dla niego podpis.

  • Analiza kształtu ucha - osobę identyfikujemy za pomocą obrazu ucha. Każdy człowiek ma charakterystyczny dla siebie kształt ucha, jego wymiary. Analiza przebiega podobnie jak przy identyfikacji twarzy.

  • Analiza widma termicznego twarzy - każdy człowiek ma swój własny, indywidualny rozkład termiczny twarzy.


Zastosowania system w rozpoznawania twarzy

Zastosowania systemów rozpoznawania twarzy:

Nadzór - np. czy dana osoba przebywająca na określonym terenie nie przekracza obszaru poza którym nie wolno jej przebywać, obserwacja pacjentów w szpitalach itp.

Kontrola (autoryzacja) dostępu - polega głównie na sprawdzaniu czy dana osoba ma odpowiednie uprawnienia dostępu do budynku, danych, transakcji finansowych itp.

Przeszukiwanie bazy zdjęć - polega na przeszukiwaniu całej bazy danych zdjęć twarzy ludzkich i porównywanie ich z obrazem wejściowym - przeszukiwanie jest bardzo często wykorzystywane w identyfikacji przestępcy przez policję - przeszukuje się policyjne kartotek w celu znalezienia przestępcy porównując je z np. portretem pamięciowym.

Automatyczne systemy identyfikacji mają także zastosowanie przy porównywaniu obrazu twarzy z twarzami umieszczonymi w bazie danych (np. zdjęciem w paszporcie) - można je wykorzystać przy kontroli ruchu granicznego, odprawie celnej, kontroli policyjnej itp.


Systemy rozpoznawania twarzy

Systemy rozpoznawania twarzy

  • Proces działania systemu rozpoznawania twarzy można podzielić na 4

  • podstawowe etapy:

  • pozyskania obrazu z urządzenia wejściowego (np. kamery cyfrowej);

  • obróbki wstępnej pozyskanego obrazu (detekcja twarzy na obrazie, normalizacja obrazu i etapy mające za zadanie przyśpieszyć rozpoznawanie - uproszczenie obliczeń, redukcja przestrzeni cech);

  • rozpoznania;

  • weryfikacji i kontroli poprawności (potwierdzenie wyników wcześniejszego rozpoznawania innym algorytmem rozpoznawania).

  • Każda z poszczególnych faz charakteryzuje się inną grupą problemów.


Etapy procesu rozpoznawania twarzy

Etapy procesu rozpoznawania twarzy:

Pozyskanie obrazu twarzy z urządzenia wejściowego

Należy dążyć do tego żeby warunki w jakich pozyskuje się obrazy twarzy były jak najbardziej zbliżone do warunków w jakich pozyskiwano obrazy przy budowie bazy danych. Najwięcej problemów dostarcza tu odpowiednie ustawienie i oświetlenie kamery.

Obróbka wstępna

Polega na detekcji twarzy na obrazie - za pomocą różnych metod, normalizacji obrazu - pozbyciu się rotacji, przemieszczenia i przeskalowania obrazu. Wykonuje się również etapy mające za zadanie przyśpieszenie rozpoznawania - uproszczenie obliczeń, redukcję przestrzeni cech. Należy dążyć w tym etapie także do eliminacji zakłóceń powodowanych przez: zmiany w wyglądzie (okulary, zmiana fryzury, zarost), wpływ oświetlenia (rozkład cieni, intensywność światła , kierunek padania promieni świetlnych), szum i różnorodne tło.


Etapy procesu rozpoznawania twarzy cd

Etapy procesu rozpoznawania twarzy cd.:

Rozpoznanie

Polega na porównaniu obrazu wejściowego z obrazami przechowywanymi w bazie danych i stwierdzeniu czy obraz wejściowy ma swój odpowiednik w bazie danych. Głównym problemem jest tu wybór właściwych algorytmów rozpoznawania.

Weryfikacja i kontrola poprawności

Dążenie do jak najmniejszej procentowo ilości błędnych decyzji podejmowanych przez system. System identyfikacyjny może generować trzy rodzaje podstawowych błędów:

- błąd fałszywego odrzucenia - obraz twarzy posiadający wzorzec w danej bazie danych zostaje nierozpoznany i odrzucony jako obraz nie posiadający swojej reprezentacji

- błąd błędnej klasyfikacji - obraz twarzy posiadający wzorzec w bazie danych zostaje błędnie przypisany do innego wzorca z bazy

- błąd fałszywej akceptacji - obraz twarzy nie posiadający wzorca w bazie danych zostaje błędnie przypisany do wzorca tam istniejącego


Schemat systemu rozpoznawania twarzy

Schemat systemu rozpoznawania twarzy:


Budowa bazy danych

Budowa Bazy Danych

K – liczba klas;

Q – liczba obrazów w klasie;

L – liczba obrazów uczących na klasę;

Q-L – liczba obrazów testowych na klasę.


Stosowane deformacje obrazu w bazie

Stosowane deformacje obrazu w bazie:

  • zmniejszono o 5% i o 10% obraz w ramce;

  • zwiększono o 5% i 10% obraz w ramce;

  • zmieniono iluminację (oświetlenie) o +5% i -5% ;

  • wykonano rotację (obrót) o 5 stopni w lewo i 5 stopni w prawo.


Etapy rozpoznawania w module identyfikacji

Etapy rozpoznawania w module identyfikacji :


Metody rozpoznawania dzieli si na dwie g wne kategorie

Metody rozpoznawania dzieli się na dwie główne kategorie:

  • systemy analityczne - pod uwagę bierze się anatomiczne cechy twarzy:

  • - metody sztucznej inteligencji (sieci neuronowe, logika rozmyta itp.);

  • - metody matematyczne;

  • systemy bazujące na podejściach globalnych - obraz twarzy traktuje się jako całość:

  • - rozpoznawanie w oparciu o jeden wzorzec;

  • - rozpoznawanie w oparciu o bazę wzorców.


Podej cie analityczne

Podejście analityczne:

Lokalizuje się charakterystyczne punkty na obrazie twarzy i mierzy się względne odległości między tymi punktami.

Wśród wielu cech twarzy ludzkiej, w różnych podejściach bierze się pod uwagę takie cechy jak:

  • szerokości twarzy

  • wysokość twarzy

  • odległości między: środkami oczu, najdalszymi punktami oczu, najbliższymi punktami oczu, oczami i nosem, linią oczu i linią ust

  • szerokość nosa, długość nosa

  • matematyczny opis kształtu twarzy (owal) i krzywych itp.


Przyk ady charakterystycznych cech twarzy

Przykłady charakterystycznych cech twarzy


Graficzna reprezentacja przeszukiwania przestrzeni cech

Graficzna reprezentacja przeszukiwania przestrzeni cech:


Ekstrakcja cech

Ekstrakcja cech

  • Możemy wybrać do dalszej analizy:

  • zredukowany w wymiarach obraz (1)

  • widmo obrazu (2)

  • stworzyć powiązany łańcuch cech z linii i kolumn (3, 4)

  • zastosować model elastyczny - formować wektor cech z zapisanych współrzędnych punktów konturowego modelu twarzy (5)

  • wyodrębnić cechy lokalne takie jak: położenie źrenic, najbliższych i najdalszych punktów oczu, kącików ust itp. (6)

  • określić każdy wiersz lub każdą kolumnę obrazu jako samodzielnego wektora cech (7)


Lokalizacja oczu

Lokalizacja oczu


Schemat lokalizacji twarzy

Schemat lokalizacji twarzy

  • obraz uzyskany z kamery cyfrowej;

  • po operacjach na kolorze;

  • zastosowany filtr dolnoprzepustowy;

  • po binaryzacji;

  • określenie ramki otaczającej poszukiwaną na obrazie twarz;

  • wyodrębnienie ramki z obrazu i odpowiednie jej przeskalowanie

  • lokalizujemy na wyodrębnionym obrazie oczy;

  • obliczamy ich odległość D;

  • możemy znaleźć na obrazie oś symetrii twarzy;

  • możemy też wyodrębnić część twarzy zawierającą najważniejsze

  • informacje w procesie rozpoznawania


Metoda oparta na por wnywaniu szablon w

Metoda oparta na porównywaniu szablonów

Szablon obrazu twarzy (średnia twarz z Bazy Danych)

Rezultat detekcji twarzy metodą opartą na odchyleniu standardowym w typowych sytuacjach

Rezultat detekcji twarzy metodą opartą na odchyleniu standardowym dla obrazu z dodatkowymi obiektami nie będącymi twarzami

Różne szablony (rzeczywiste i syntezowane) dla różnych zadań poszukiwania


Metoda detekcji twarzy oparta na gradiencie

Metoda detekcji twarzy oparta na gradiencie

Obraz ze zmienionymi proporcjami i jego gradientowa forma.

Oryginalny obraz i szacunkowa pozycja twarzy na nim (dwie czarne krople otoczone okręgami)

px i py – poziome i pionowe wartości gradientu

Wektory gradientu zawierają dwie cechy:

wartość:

kierunek:


Systemy komercyjne

Systemy komercyjne

Produkty firmy ZN Vision Technologies AG

ZN-Face pozwala na automatyczną identyfikację osoby oraz sprawdzenie jej praw dostępu.System jest niewrażliwy na mimikę twarzy, zarost lub jego brak oraz na to czy osoba nosi czy nie okulary.

ZN-SmartEye - nowy standard przy automatycznej identyfikacji używający kamer monitorujących. Dzięki temu produktowi można identyfikować osoby i chronić jakiś obszar, np. okolice domu. System pobiera obrazy z kamer(y) i lokalizuje na nim znaną twarz z bazy. Znajduje zastosowanie w fabrykach, lotniskach, klubach itp. - tam gdzie wymagany jest dyskretny nadzór. Przy identyfikacji stosuje się wyszukane algorytmy, jak w wyżej opisanym produkcie.

ZN-Phantomas - program do przeszukiwania baz danych ze zdjęciami przestępców, zaprojektowany w Centrum Neuroinformatyki w Bochum.


Systemy komercyjne cd

Systemy komercyjne cd.

Produkty firmy Visionsphere Technologies Inc.

UnMask Plus - to programowy system AI (sztucznej inteligencji) służący identyfikacji i usuwaniu zdublowanych lub powtarzających się obrazów z dużych fotograficznych baz danych ID. System składa się z 3 części: wykrycia i zlokalizowania twarzy, ekstrakcji cech twarzy i porównania informacji o tych cechach z istniejącymi w bazie.

It's Me - to zaawansowany automatyczny system autoryzacji logowania.

FaceCam - biometryczny, warstwowy terminal weryfikujący, zaprojektowany i zbudowany specjalnie dla aplikacji kontroli dostępu takich jak fizyczna kontrola dostępu, obecności i dla systemów rejestracyjnych. Terminal zawiera moduł rozpoznający mowę dzięki czemu pozwala na dokładniejsze i szybsze rozpoznawanie osób oraz zwiększa skuteczność systemu.


Systemy komercyjne cd1

Systemy komercyjne cd.

Produkty firmy eTrue Inc .

TrueFace Engine - służy zarówno weryfikacji jak i identyfikacji twarzy. Automatycznie lokalizuje twarz na obrazie i przeprowadza porównanie z bazą danych, ilość porównań: 500 twarzy na sekundę. Produkt jest oparty na sztucznej sieci neuronowej, która pozwala eliminować takie problemy jak: obrót głowy, różne oświetlenie, makijaż, okulary, opaleniznę, kolczyki, inną fryzurę, mimikę itp.


Systemy klasy name it

Systemy klasy "Name It"


Budowa systemu name it

Budowa Systemu "Name-It"


Okre lenie moment w zmiany sceny w sekwencji kadr w

Określenie momentów zmiany sceny w sekwencji kadrów


Rezultaty lokalizacji obszar w twarzy w kadrach z program w informacyjnych

Rezultaty lokalizacji obszarów twarzy w kadrach z programów informacyjnych


Rezultaty dzia ania systemu name it

Rezultaty działania systemu "Name-It"


  • Login