Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Riconoscimento volti in sequenze video

Questa tesi si concentra sullo sviluppo di un software in grado di estrarre delle facce da sequenze video e successivamente riconoscerle tramite un database di apprendimento. Il database di apprendimento all'avvio del video sarà vuoto e, durante l'esecuzione inserirà le prime facce nel database assegnandole un nome progressivo; se nei frame successivi ci saranno le persone di cui ho fatto fatto l'apprendimento, verrà mostrato a video il nome di tale persona. Altrimenti se la persona non risulta classificata nel database, le verrà fatto il “training”, ovvero la collezione di frame della stessa persona.

Mostra/Nascondi contenuto.
Introduzione Questa tesi si concentra sullo sviluppo di un software in grado di estrarre delle facce da sequenze video e successivamente riconoscerle tramite un database di apprendimento. Il database di apprendimento all'avvio del video sarà vuoto e, durante l'esecuzione inserirà le prime facce nel database assegnandole un nome progressivo; se nei frame successivi ci saranno le persone di cui ho fatto fatto l'apprendimento, verrà mostrato a video il nome di tale persona. Altrimenti se la persona non risulta classificata nel database, le verrà fatto il “training”, ovvero la collezione di frame della stessa persona. Dunque l'algoritmo è suddiviso in tre parti: 1- Fase di face detection. Riconoscere se ci sono facce all'interno del frame video. Per prima fase si esegue lo skin segmentation del frame, ovvero l'estrazione di tutti i pixel che assomigliano alla pelle. In ogni zona di skin, si eseguirà l'algoritmo di Viola Jones, un' algoritmo per la ricerca di volti abbinato di un classificatore a cascata per il riconoscimento di volto. Di tale algoritmo mi servo per riconoscere gli occhi e la bocca di una persona, dato che sono più facili da ottenere. 2- Fase di training o traking. Fare il traking della faccia, ovvero dovrò seguire la faccia in sequenze di frame, in questo modo colleziono più figure dello stesso soggetto. L'algoritmo utilizzato per tale tecnica è MeanShift, ovvero viene calcolata la posizione iniziale della faccia, nei frame successivi viene fatta una probabilità sui pixel più vicini che assomigliano ai pixel precedentemete analizzata, se la probabilità supera un certo valore allora quell'area rappresente la nuova posizione del volto. 3- Fase di recognition. In questa fase riconosco tramite l'algoritmo delle eigenfaces se la faccia è presente o meno nel database. Più facce vengono ridotte in sottospazio che descrive le componenti più importanti. Dato che sono necessari diversi campioni, questa fase viene chiamata dalla seconda fase a raggiungimento di un numero sufficiente di campioni di una persona. L'algoritmo dunque mi restituisce la faccia più probabile che assomiglia alla faccia data in input e la distanza euclidea tra le componenti delle due facce; se tale distanza super è minore di una certa soglia allora le due facce corrispondo, altrimenti la faccia è ignota e viene classificata come una nuova persona. 2

Laurea liv.I

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Ihsan Younes Contatta »

Composta da 33 pagine.

 

Questa tesi ha raggiunto 829 click dal 07/03/2014.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.