人脸追踪法应用於监控.pptVIP

人臉追蹤法應用於監控系統之研究 授課教授：蘇仲鵬 教授 主講者: 李 姿 慧 學號：9212218 國立雲林科技大學電機系 Outline 數位影像處理 數位影像之取樣與量化 數位影像處理演算法 人臉偵測與追蹤 影像中人臉特徵之判別 靜態與動態影像的人臉偵測與追蹤 臉部追蹤 影像的前置處理 搜索區域的設定 橢圓形頭部追蹤 系統硬體 結論 人臉追蹤法之應用 用臉部表情或方向來作為控制機械動作 利用電腦對影像作計算，經過處理後的影像能夠提供所需的資訊，以便能利用這些資訊來處理問題 對影像灰階作轉換，增強其中有用資訊，使影像品質提高，以便肉眼之觀察與 理解，或使電腦做進一步處理。 利用電腦針對取樣與量化後的數位影像陣列資料作各種運算及處理 最佳的影像前處理就是擷取不需後續處理的好影像，但有時 因拍攝技術或環境不佳的關係，使得取出的影像品質不能盡 如人意，因此必須借助影像前處理來補償。 顏色分割最直接方法就是將影像的長條圖(color histogram)裡做多重閥值(color threshold)，依據顏色分佈做選擇性的過濾，將所需顏色從影像中分離出，如此就能將目標做顏色判別。 顏色分割的目的就是把臉部從背景中分離出 最佳的影像前處理就是擷取不需後續處理的好 影像，但有時因拍攝技術或環境不佳的關係， 使得取出的影像品質不能盡如人意，因此必須 借助影像前處理來補償。 相較於靜態影像，動態影像就多了物體移動的資訊，所以在判定人臉位置時，一開始 都是先以動態影像所判斷出來的位置作依據，之後再以連續的影像用不同的追蹤方法 追蹤人臉。 由於臉部追蹤是建立在連續的影像上，因此演算法必須快速，因為在即時的環境中， 臉部追蹤演算法的速度會直接影響影像的連續性及位置的正確性，利用連續影像的優 點，而減少搜尋空間，把前面影像的結果作為後面影像不同調的情形，而產生錯誤。 所以，若動態影像能夠搭配靜態影像偵測人臉的方式，就能夠減低錯誤率的發生。 在人臉追蹤系統中，適應性對實際情況運作時很重要，適應性就是指系統在不同的環境之下〈如目標、環境的變化〉，不會受其影響，還可以正常操作，所以在設計時，以下的因素就必須要考慮到： a.背景的濾除 背景對於人臉追蹤而言就是雜訊，所以必須要作影像的前置處理，盡量把背景去掉， 對於攝影機靜止不動時，較好的方式就是將兩張連續影像相減，把沒有在移動的背景 去除，但對於移動式攝影機就不能使用這個方法，因為背景和主體對攝影機來說都在 移動，無法分辨出靜止的背景和移動的物體。 b.人臉的大小 人臉在影像中的大小，會因位置及方向的不同而有大小的變化，追蹤系統必須在人臉 變化有一定大小範圍內才能夠追蹤，應用樣板比對方式所作的技術，可能就會因為臉 部與樣板的大小不同而無法正確的追蹤。 c.亮度變化 由於周圍環境的亮度不同，會使得影像當中的顏色深淺產生變化，這種情形會直接影 響到樣板比對的準確性，所以亮度參數的部分就必須要考慮到人臉追蹤的模型裡。 1.橢圓形追蹤法是依據建立好的橢圓樣本和人臉做比對，目的是使判斷時間縮短，降低即時追蹤的特點，但也限制了受測者所在的位置，也就是人臉相對於攝影機必須要有固定的大小，才不會因為比對樣板與人臉大小的不同而比對失敗。 2.影像追蹤系統採用單一攝影機的方式，所以僅能追蹤單一目標，且單一攝影機無法判斷景深，也就是物體的遠近。 3.在馬達控制部分，若加上類神經網路、乏晰控制等邏輯理論及控制方式，讓系統自我學習並修正，減少系統中參數所設定的閥值，因不同的情況而改變設定，則系統的適應性及可靠性就能大大提升。 * * 人機介面 臉部表情偵測 用臉部表情來表達情緒的細緻動作，如卡通動畫的製作，人物在動靜間的表現。 人臉辨識 用在保全系統方面，就是將人臉影像和資料庫做比對，以辮別出對方身份。 視訊電話 將影像前後景的分離與壓縮，使其在網路上傳輸能有率且不失真，讓說話者的影像能夠清楚呈現在對方眼前。 影像灰階轉換 影像分析 影像壓縮 萃取、分析影像中有助於目標工作的資訊，其可使電腦對影像作進一步之分析， 例如：灰階特徵、邊界特徵、顏色特徵、形狀特徵之表示與描述。 數位影像處理 數位影像之取樣與量化 影像在空間的 數位化 影像在振幅的 數位化 影像前級處理 影像中級處理 影像後級處理 基本數位影像處理演算法 影像加強技術（Enhancement) 影像還原技術（Restoration) 影像壓縮技術（Compression) 影像分割（Image Segmentation) 表示與描述（Representation and Description) 圖像識別（Pattern Recognition) 影像中人臉特徵之判別---顏色分割(一) 正規化RGB(Norm