Студопедия

Главная страница Случайная страница

КАТЕГОРИИ:

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Виділення областей за кольором шкіри




Наявність інформації про колір потенційно може покращити процес виявлення обличчя, так як звужує область пошуку обличчя, а отже, і зменшує кількість хибних позитивних виявлень. Тому доцільно розвинути метод на основі комбінованого каскаду класифікаторів для виявлення обличчя на кольорових зображеннях. При цьому у комбінованому каскаді потрібно сформувати ще один рівень виявлення облич-кандидатів, що передує каскаду простих класифікаторів, на основі сегментації за кольором шкіри.

Враховуючи, що сегментація за кольором шкіри може базуватися на пікселях або на регіонах, автором взято за основу піксельну сегментацію, яка передбачає побудову класифікатора, що відділяє пікселі шкіри від пікселів фону. При цьому доцільно використати

метод моделювання з явним визначенням границь кластеру кольору шкіри, так як він є простим у використанні, швидким і достатньо точним.

Існує декілька кольорових просторів, які з успіхом застосовано для сегментації за кольором шкіри, наприклад, для RGB використано наступні явно визначені границі кластеру кольору шкіри (для кожного з каналів R, G, B):

Модель кольору шкіри при денному освітленні:

R>95 and G>40 AND B>20 and max(R,G,B)-min(R,G,B)>15 and |R-G|>15 and R>G and R>D

Модель кольору шкіри при яскравому освітленні:

R>220 and G>210 and B>170 and |R-G|<16 and R>B and G>B

Досліджено також кольорові простори TSL, YCbCr та YIQ, для яких, у

свою чергу, встановлено наступні границі кластеру КШ:

TSL: 0,45<=T<=0,65

YCbCr: 85<=Cb<=135 and 135<=Cr<=160

YIQ: 0,02<=I<=0,22 and -0,08<=Q<=0,12

Експериментальні дослідження методу виявлення обличчя на кольорових зображеннях з використанням сегментації за кольором шкіри проведено на тестовому наборі UCD, який містить 58 зображень з 224 вертикальними фронтальними обличчями.

а) б)

 

Рисунок 1 – ROC-криві (а) та час виявлення (б)

комбінованого каскаду класифікаторів на тестовому наборі UCD з використанням різних кольорових просторів

Як видно з рис. 1а, найвищий рівень виявлення забезпечує сегментація за кольором шкіри у просторі TSL. Використання простору TSL у порівнянні з YCbCr, YIQ та RGB забезпечує вищий рівень виявлення в середньому на 0,4 %, 1,3 % та 2,7 % відповідно. На основі рис. 1б можна зробити висновок, що найменший час виявлення обличчя досягається при використанні кольорового простору RGB.

Також досліджено вплив на рівень виявлення комбінованого каскаду класифікаторів сегментації за кольором шкіри у двох кольорових просторах, результати сегментації яких поєднано логічним оператором «І» (рис. 2). На основі результатів, поданих на рис. 2, можна зробити висновок, що для досягнення високого рівня виявлення доцільно використати поєднання кольорових просторів TSL+YIQ, тоді як для отримання високої швидкодії – RGB+TSL. Слід відмітити, що використання просторів RGB+TSL у порівнянні з TSL+YIQ демонструє нижчий рівень виявлення в середньому лише на 1,3 %.



 

Рисунок 2 – ROC-криві (а) та час виявлення (б) комбінованого каскаду класифікаторів на тестовому наборі UCD з використанням поєднань кольорових просторів.

Порівняння результатів виявлення обличчя з використанням сегментації за кольором шкіри одного кольорового простору TSL, а також поєднань просторів TSL+YIQ та RGB+TSL показали (рис. 2), що доцільно використати саме поєднання двох просторів, так як використання TSL+YIQ та RGB+TSL дозволило отримати в середньому на 1,7 % та 0,8 % вищий рівень виявлення та зменшити час виявлення обличчя в тестовому наборі UCD на 6 % та 26 % відповідно.

Подальша обробка сегментованого зображення може бути здійснена або виділенням сегментів з кольором шкіри та подачею кожного з них на вхід комбінованого каскаду класифікаторів як окремого зображення, або обробкою комбінованим каскадом всього вхідного зображення з накладеною бінарною маскою, в якій одиниці містять пікселі з кольором шкіри, а нулі – фон. Доцільно використати останній підхід, який потенційно потребує менше обчислювальних затрат (не потрібно знаходити інтегральне зображення для кожного сегмента, області сегментів не обробляються повторно, коли більші сегменти включають менші) та дозволяє виявити більше облич кандидатів (обробляються краї сегментів, які можуть містити частково сегментовані обличчя).



У такому випадку з метою уникнення обробки фонових областей вхідного зображення при виявленні облич-кандидатів каскад простих класифікаторів обробляє лише ті вікна, наповненість яких нулями (пікселями фону) на бінарній масці не перевищує 70 %. Вибір такого високого граничного значення наповненості пояснюється необхідністю обробки країв сегментів з кольором шкіри, так як часто обличчя сегментуються не повністю.

У результаті експериментальних досліджень методу виявлення обличчя на кольорових зображеннях з використанням тестового набору UCD встановлено, що обробка комбінованим каскадом вхідного зображення з накладеною бінарною маскою виконується на 20 % швидше, ніж обробка кожного сегмента як окремого зображення. Загалом при використанні сегментації за кольором шкіри метод виявлення обличчя на основі комбінованого каскаду класифікаторів демонструє вищий рівень виявлення в середньому на 1,3 % та 2,6 % (рис. 4), а також потребує на 29 % та 10 % менше часу на обробку вхідних зображень при застосуванні RGB+TSL та TSL+YIQ відповідно (рис. 5).


mylektsii.ru - Мои Лекции - 2015-2019 год. (0.011 сек.)Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав Пожаловаться на материал