Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 12. Juli 2011
Gesichtserkennung Begriffsunterscheidung: Lokalisation eines Gesichts im Bild Zuordnung des Gesichts zu einer bestimmten Person Technische Gesichtserkennung: Gesichtserkennung zählt zu den biometrischen Verfahren. Sie wird sicherheitstechnisch, kriminalistisch und forensisch eingesetzt: Zum Zweck der Identifikation oder Verifikation (Authentifizierung). Zur Zutrittskontrolle zu sicherheitsempfindlichen Bereichen. Zur Suche nach Dubletten in Datenbanken, etwa in Melderegistern.
Verfahren zur Gesichtserkennung 2D-Verfahren Simple Gesichtserkennungsverfahren verwenden eine zweidimensionale (2D) geometrische Vermessung besonderer Merkmale (z.b. Augen, Nase, Mund). Hierbei wird deren Position, Abstand und Lage zueinander bestimmt. Heutige Verfahren setzen jedoch meist auf komplexe Berechnungen wie die Waveletanalyse oder Hauptkomponentenanalyse. 3D-Verfahren: Dreidimensionale (3D) Erfassung des Gesichts. Durch die zusätzlichen Informationen sollen höhere Erkennungsgenauigkeit, bessere Posenunabhängigkeit und Überwindungssicherheit erzielt werden. Derzeit (Stand: 2006) sind die 2D-Verfahren noch den 3D-Verfahren überlegen. http://www.technologyreview.com/infotech/18796
Eigengesichter - Eigenfaces Eigengesichter (engl. auch Eigenfaces genannt) ist ein Verfahren zur Gesichtserkennung, das auf der Hauptkomponentenanalyse basiert. Entwickelt wurde das Verfahren von Matthew Turk und Alex Pentland. http://vismod.media.mit.edu/vismod/demos/ facerec/basic.html 7562 Bilder von etwa 3000 Personen. x i enthält die Pixelwerte des i-ten Bildes. Eigengesichter sind basierend auf 128 Bildern von Gesichtern berechnet worden. Zur Erkennung wurden die ersten 20 Eigenvektoren (=Eigengesichter) benutzt. Fast jede Person hat mindestens 2 Bilder; viele Personen haben variierende Bilder mit unterschiedlichem Gesichtsausdruck, unterschiedlicher Haartracht, Barttracht,...
MIT Media Lab - Vision and Modeling Group
MIT Media Lab - Vision and Modeling Group Ähnlichkeitssuche basierend auf den Hauptkomponenten Nebenstehend ist das linke Bild oben das Testbild. Basierend auf dem euklidischen Abstand im Raum der Hauptkomponenten wurden die folgenden 15 Bilder als nächste Nachbarn klassifiziert. Interessanterweise stammen alle 15 Bilder von der korrekten Person, obwohl die Datenbank aus insgesamt 7562 Bildern von unterschiedlichen Personen bestand!
The ORL Database of Faces http://www.cl.cam.ac.uk/research/dtg/ attarchive/facedatabase.html Die Datenbank enthält 10 verschiedene Bilder von 40 verschiedenen Personen. Die Bilder wurden zu unterschiedlichen Zeiten, mit verschiedenen Gesichtsausdrücken und Beleuchtungen gemacht. Alle Bilder sind im PGM Format, 92x112 Pixel groß und mit 256 Graustufen. Die ersten fünf Bilder jeder Person sind die Trainingsbilder.
The ORL Database of Faces - Personen 1 5
The ORL Database of Faces - Personen 6 10
The ORL Database of Faces - Personen 11 15
The ORL Database of Faces - Personen 16 20
The ORL Database of Faces - Personen 21 25
The ORL Database of Faces - Personen 26 30
The ORL Database of Faces - Personen 31 35
The ORL Database of Faces - Personen 36 40
Eigengesichter - Eigenfaces Das Durchschnittsgesicht
Eigengesichter - Eigenfaces... zu den größten Eigenwerten und zu den kleinsten Eigenwerten
Eigengesichter - Eigenfaces Festlegung der Eigenface-Basis: Kumulierte Stärke 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 50 100 150 200 Index der Eigengesichter
Eigengesichter - Eigenfaces Fünf Testbilder abgebildet auf 12 Eigengesichter (65%)
Eigengesichter - Eigenfaces Fünf Testbilder abgebildet auf 23 Eigengesichter (75%)
Eigengesichter - Eigenfaces Fünf Testbilder abgebildet auf 32 Eigengesichter (80%)
Eigengesichter - Eigenfaces Fünf Testbilder abgebildet auf 70 Eigengesichter (90%)
Eigengesichter - Eigenfaces Fünf Testbilder abgebildet auf 98 Eigengesichter (95%)
Eigengesichter - Eigenfaces 13.698.013 14.080.202 32.159.397
Eigengesichter - Eigenfaces 51.823.375 53.341.132 55.606.655
Quellen Turk, M., and Pentland, A., Eigenfaces for Recognition, Journal of Cognitive Neuroscience, Vol. 3, No. 1, pp. 71-86, Winter 1991, http: //www.cs.ucsb.edu/~mturk/papers/jcn.pdf Photobook/Eigenfaces Demo: http://vismod.media. mit.edu/vismod/demos/facerec/basic.html