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

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

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...

La piattaforma di acquisizione

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

La calibrazione 1/2

La calibrazione 2/2

Errore di stima

Calcolo della distanza

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

Segmentazione2/7

Segmentazione 3/7 il filtro logfilt

Segmentazione 4/7

Segmentazione5/7 algoritmo di breselike

Segmentazione6/7

Segmentazione 7/7

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

Triangolazione e passaggio al modello 3D

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)

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

Possibili evoluzioni1  Migliorare i dispositivi di acquisizione

Possibili evoluzioni2  Warping (rettificazione)

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

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

Any questions

 “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”