1 / 10

靜態影像中的人像偵測

學生 : 陳亭妤 陳延駿 指導老師 : 王任瓚. 靜態影像中的人像偵測. 在 拍 風景 照時 ， 常常 會有非拍照對象的人物不小心入鏡， 本專題擬 利用 影像處理 的方式，偵測 影像中 的人物 位置 ， 後續研究可將非主題人物刪除並將影像修補，讓一張影像中可以自然只呈現出主題人物 。. 動機.

thor-slater
Download Presentation

靜態影像中的人像偵測

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 學生:陳亭妤 陳延駿 指導老師:王任瓚 靜態影像中的人像偵測

  2. 在拍風景照時，常常會有非拍照對象的人物不小心入鏡，本專題擬利用影像處理的方式，偵測影像中的人物位置，後續研究可將非主題人物刪除並將影像修補，讓一張影像中可以自然只呈現出主題人物。在拍風景照時，常常會有非拍照對象的人物不小心入鏡，本專題擬利用影像處理的方式，偵測影像中的人物位置，後續研究可將非主題人物刪除並將影像修補，讓一張影像中可以自然只呈現出主題人物。 動機

  3. OpenCV為影像處理與視訊處理函式庫，包含眾多設計有效率的影像與視訊處理演算法。利用OpenCV內建函式將圖像輸入後，將圖像中RGB色彩空間轉成YCbCr的形式，因為YCbCr色彩空間可以有效的將亮度與色度分離，較不容易受到光線影響。本專題利用canny算子偵測出圖像邊緣並用區域分割的方式比對出物件的位置，再利用圖像中的膚色密集度以及橢圓法來偵測出人臉，兩個方式相比較，後者方式可排除前者所偵測到錯誤的物件，即可找出正確的人物位置。OpenCV為影像處理與視訊處理函式庫，包含眾多設計有效率的影像與視訊處理演算法。利用OpenCV內建函式將圖像輸入後，將圖像中RGB色彩空間轉成YCbCr的形式，因為YCbCr色彩空間可以有效的將亮度與色度分離，較不容易受到光線影響。本專題利用canny算子偵測出圖像邊緣並用區域分割的方式比對出物件的位置，再利用圖像中的膚色密集度以及橢圓法來偵測出人臉，兩個方式相比較，後者方式可排除前者所偵測到錯誤的物件，即可找出正確的人物位置。 簡介

  4. 現今大部分人像偵測採用梯度直方圖(HistogramofOrientedGradient，簡稱HOG)求出梯度特徵，並利用支持向量機( Support Vector Machine，簡稱SVM)去做人像的篩選。 • 本專題利用邊緣偵測、膚色偵測、橢圓法去做人像偵測，有別於用分類器的方法，此方法犧牲了一點準確度但卻使偵測速度更為快速，可用於相機、攝影機等需要快速偵測人像為目標的工具上面。 與現有方法的差異

  5. 圖像輸入 色彩轉換 偵側邊緣 區塊分割 橢圓面板法 膚色分割 流程圖 物件位置 人臉位置 人像定位

  6. 一次輸入一張圖像。 • 將輸入圖像的RGB色彩空間依下式轉成對亮度比較不敏感的YCbCr色彩空間。 • 利用Canny演算法偵測出物件的邊緣。Canny演算法會先將圖片去雜訊，使得圖像有些模糊，接著標識圖上每個點的最大值以及生成的邊緣的方向，由此產生每個點的亮度梯度圖，亮度梯度較高者，較有可能為邊緣，最後再跟蹤曲線中模糊的部分，並排除沒有連成曲線的點為邊緣。 所提方法

  7. Canny 算子找出邊緣後，我們利用相連元件標記法(Connected Component Labeling)將連接未知區域的邊緣標記起來並對各個線段作延伸得到區塊。 • 經由3.和4.兩個步驟可得出所有分割過的物件位置。 • 將圖像中的每個pixel P依下式按照膚色範圍去作篩選，可偵測出膚色的位置。 • 在膚色區塊上利用橢圓遮罩去和所搜尋到的膚色區塊比對，判斷是否為人臉，即可定位人臉位置並找出人臉中心點。 • 從5.分割的物件中找出是否有符合7.的人臉，若有符合，即框起來為人像，若不符合，則不為人像。

  8. 圖一:為原始圖片經過邊緣偵測後的圖像 圖二:為原始圖片經過橢圓法和膚色分割得到人臉位置 實驗結果

  9. 實驗結果 圖三:將圖一和圖二的結果比對完得到最後的人像定位

  10. R.-L., HSU, M., ABDEL-MOTTALEB, and A. K., JAIN, 2002. “Face detection in color images.” IEEE Trans. Pattern Analysis and Machine Intelligence 24, 5. • R. Brunelli and T. Poggio, 1993.“Face Recognition: Features vs. Templates.” IEEE Trans. Pattern Analysis and Machine Intelligence 15, 10. • K. C. Yow and R. Cipolla, 1997. “Feature-based human face detection” Cipolldmage and Vision Computing 15 • M. A. P. Turk, A.P., 1991. “Face recognition using eigenfaces.” Computer Vision and Pattern Recognition. • P. Viola and M. Jones. 2002. “Robust real-time object detection.” International Journal of Computer Vision-to appear. • P. Viola and M. Jones. 2003. “Robust real-time face detection.” International Journal of Computer Vision-to appear. • 曾郁展, “DSP-Based 之即時人臉辨識系統.” 國立中山大學, 電機工程學系, 碩士論文, June 2005. • 劉翁昌, “複雜環境下之即時人臉偵測與辨識系統.”國立台灣科技大學, 電子工程系, 碩士論文, June 2009. • 顧佳玲, 彭宏京 “基於Canny算子的膚色分割在彩圖中的人臉偵測.”南京工業大學,碩士論文,2007. 參考資料

More Related