La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Visione e Percezione progetto conclusivo “Human recognition : A BIOMETRICAL APPROACH ” Simone Balsanelli Adriano Cerocchi.

Presentazioni simili


Presentazione sul tema: "Visione e Percezione progetto conclusivo “Human recognition : A BIOMETRICAL APPROACH ” Simone Balsanelli Adriano Cerocchi."— Transcript della presentazione:

1 Visione e Percezione progetto conclusivo “Human recognition : A BIOMETRICAL APPROACH ” Simone Balsanelli Adriano Cerocchi

2 Perché l’approccio Biometrico  PCA vs Biometria  Biometria privilegia le features invarianti  Attraverso la biometria è possibile scegliere le features e successivamente raffinare l’algoritmo per la loro ricerca  Il risultato migliore si ha da una sinergia dei due metodi

3 Assunzioni  Le foto scattate contengono l’intero volto  Il volto è posto pressoché perpendicolare al piano della coppia di camere  Non sono state fatte altre assunzioni...

4 La piattaforma di acquisizione

5 Caratteristiche tecniche  Immagini max 640x480  Distanza circa 30 cm  Si è cercato di avere gli epipoli all’infinito  Buona per acquisizioni a distanza di circa 80/100 cm  molto realistico

6 La calibrazione 1/2

7 La calibrazione 2/2

8 Errore di stima

9 Calcolo della distanza

10

11 Segmentazione1/7  L’operazione di segmentazione consiste nel riconoscere feature del volto e quindi restituirne le coordinate  Non sono state fatte assunzioni sulla rotazione del volto  L’elemento principale dell’algoritmo è la ricerca degli occhi

12 Segmentazione2/7

13 Segmentazione 3/7 il filtro logfilt

14 Segmentazione 4/7

15 Segmentazione5/7 algoritmo di breselike

16 Segmentazione6/7

17 Segmentazione 7/7

18 Affidabilità della segmentazione  Isolamento volto: 0.8  Ricerca iride: 0.45 (0.7 senza correzione)  Ricerca bocca: 0.8  Ricerca naso: 0.4  Totale = = 11.5% / 2 = 5,75%  Ma senza assunzioni…e periferiche di acquisizione di bassa qualità

19 Triangolazione e passaggio al modello 3D

20 Riconoscimento 1/2  Distanza interpupillare  Distanza punto medio occhi – bocca  Rapporto tra distanza interpupillare/distanza bocca (rapporto T)  Profondità del naso stimata come differenza delle z dei punti (stima più realistica della distanza reale)

21 Riconoscimento 2/2  Pesi associati alle misurazioni: Distanza interpupillare: 0.4 Distanza bocca: 0.3 Rapporto tra i due: 0.2 Profondità naso: 0.1  Affidabilità dell’algoritmo = 0.7

22 Possibili evoluzioni1  Migliorare i dispositivi di acquisizione

23 Possibili evoluzioni2  Warping (rettificazione)

24 Possibili evoluzioni3  Assunzioni più stringenti Posizione della persona Illuminazione Sfondo fisso Video anziché foto

25 Conclusioni  Affidabilità bassa? Fattore relativo!  Maggior discriminante: le telecamere  Il sistema è molto veloce già all’interno di Matlab: tra i 5 e i 10 secondi per riconoscere  Il sistema ha complessità temporale invariante alle migliorie  Il sistema ha parametri che evidenziano la correttezza del riconoscimento: sistema robusto!  Sistema flessibile per rielaborazioni

26 Any questions

27  “The mere formulation of a problem is far more often essential than its solution, which may be merely a metter or mathematical or experimental skill”


Scaricare ppt "Visione e Percezione progetto conclusivo “Human recognition : A BIOMETRICAL APPROACH ” Simone Balsanelli Adriano Cerocchi."

Presentazioni simili


Annunci Google