La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Tracciamento Automatico dei Movimenti del Volto Umano

Presentazioni simili


Presentazione sul tema: "Tracciamento Automatico dei Movimenti del Volto Umano"— Transcript della presentazione:

1 Tracciamento Automatico dei Movimenti del Volto Umano
Tesi di laurea in Ingegneria Informatica V.O. Tracciamento Automatico dei Movimenti del Volto Umano Relatore: Prof. Marco Schaerf Correlatore: Ing. Marco Fratarcangeli Candidato: Gabriele Fanelli

2 Sommario Obiettivi Descrizione del metodo: Active Appearance Models
Costruzione Adattamento Risultati Conclusioni

3 Obiettivi Sistema capace di determinare:
Posizione e forma di un volto generico da immagini statiche Movimenti globali e deformazioni in un volto specifico da sequenze video Immagini provenienti da telecamere di fascia bassa (webcam)

4 Active Appearance Models
Modelli generativi e parametrici del volto Forma Apparenza Costruiti statisticamente da immagini esempio (training) Apprendimento delle variazioni permesse Algoritmo di adattamento Ricerca dei parametri che rendono il modello simile ad una nuova immagine

5 Sommario Obiettivi Active Appearance Models Risultati Conclusioni
Costruzione Adattamento Risultati Conclusioni

6 AAM generici - specifici
Set identità Set espressivo

7 Forma Def.: Maglia triangolata Modellazione: Collezione dei vettori
Vettore delle coordinate dei vertici Modellazione: Collezione dei vettori Allineamento Principal Component Analysis: Calcolo media Calcolo matrice di covarianza Selezione degli autovettori corrispondenti agli autovalori maggiori

8 Modello lineare di forma
Parametri di controllo Nuova forma Vettori di forma Forma media (base)

9 Apparenza Intensità dei pixel all’interno della forma base
Le immagini di training vanno normalizzate rispetto alla forma

10 Modello lineare di apparenza
Parametri di apparenza Nuova texture Texture media Eigenfaces

11 Istanza completa Immagine: cortesia di Simon Baker

12 Sommario Obiettivi Active Appearance Models Risultati Conclusioni
Costruzione Adattamento Risultati Conclusioni

13 Algoritmo di adattamento
Minimizzare la differenza tra: Immagine in ingresso mappata sulla forma base Istanza del modello (apparenza) Utilizzato l’Inverse Compositional Algorithm

14 Algoritmo di adattamento
Apparenza corrente Immagine in ingresso Texture deformata Forma corrente sottrazione Immagine differenza

15 Algoritmo di adattamento
Apparenza corrente Forma corrente ∆p ∆λ Immagine differenza

16 Inizializzazione Punto d’inizio adeguato per la ricerca
Localizzatore di facce - OpenCV

17 Adattamento

18 Sommario Obiettivi Active Appearance Models Risultati Conclusioni
Costruzione Adattamento Risultati Conclusioni

19 Test 1: immagini “viste”
Entrambi i modelli adattati a immagini presenti nel training set Oggetto: Qualità dell’algoritmo Dipendenza dalla traslazione iniziale Misura: errore RMS Disponibili le coordinate selezionate manualmente

20 Test 1: immagini “viste”
Errore RMS Distanza iniziale dal centro della faccia in % dell’altezza dell’immagine

21 Test 1: immagini “viste”

22 Test 2 : Immagini “non viste”
Immagini non presenti nel training set Oggetto: Qualità algoritmo Capacità del modello generico di descrivere nuove facce Giudizio visivo 60% di risultati positivi

23 Immagini “non viste” - successo

24 Immagini “non viste” - fallimento

25 Test 3: video

26 Test 3: video

27 Test 3: video

28 Conclusioni Sistema implementato: Sviluppi futuri:
Migliorabile per caso generico Buoni risultati nello specifico Sviluppi futuri: Ampliamento training Tempo reale 3D


Scaricare ppt "Tracciamento Automatico dei Movimenti del Volto Umano"

Presentazioni simili


Annunci Google