- •Министерство образования Российской Федерации
- •Изображение rgb
- •Разложение по составляющим r, g и b соответственно
- •3.Hайти самую яркостную составляющую y.
- •Результат применения медиального фильтра
- •Функция yCbCr маски
- •Функция i1 i2 i3 маски
- •Функция инверсной маски
- •Результаты
- •Варианты улучшения Выводы примечания
Министерство образования Российской Федерации
Санкт-Петербургский государственный электротехнический университет «ЛЭТИ»
Кафедра МО ЭВМ
компьютерные методы идентификации личности
Курсовая работа
«Локализация лиц с использованием негатива»
Выполнил: студент группы 3382 факультета КТИ
Волков А.Н.
Проверил:
Санкт-Петербург
2007 год
Введение
В настоящей работе мы будем работать с цветными изображениями в RGB и выделять лицо человека по принципу skin-color, т.е. по цвету, так или иначе соответствующему цвету кожи человека.
В работе будет предложен метод выделения требуемых областей изображения с использованием негатива. Для оценки его работы он будет сравнен с методами, использующими HSV, YCbCr, i1i2i3 пространства представления изображения.
Теоретические сведения
Детекция лица относится ко второму этапу в системе распознавания после получения исходного материала для обработки. Как правило, для обнаружения лица на цветных изображениях используется два основных подхода: первый использует информацию о цвете кожи (skin-color), а второй – о геометрии лица.
Информация о цвете лица инвариантна по отношению к ориентации и размещению лица на изображении. Именно эта сильная сторона этого подхода привлекательна для поиска кандидата на лицо человека. Учет геометрических признаков лица позволяет из кандидатов на лицо выделять настоящее лицо. К геометрическим признакам лица относятся, например, симметрия, наличие области глаз справа и слева от оси симметрии, рта и других антропометрических признаков (расстояние между центрами глаз, между линией глаз и кончиком носа и т.д.).
В соответствии с этими подходами локализация лица проходит в два этапа.
Целью первого этапа является обнаружение тех областей (отдельных пикселей или их групп) на исходном изображении, которые по своей цветовой гамме соответствуют цвету кожи человека или достаточно близки к ней. Именно эти области называются кандидатами на лицо человека. Как правило, сюда попадает не только лицо человека, но и руки, фрагменты волос, одежды, участки фона.
Целью второго этапа является верификация всех выделенных областей кандидатов и определение тех из них, которые включают в себя геометрические признаки лиц или соответствуют им. Обычно на этом этапе используются методы сравнения с эталонами, прямого поиска элементов лица и проверки антропометрических параметров лиц.
Совместное использование этих двух подходов позволяет эффективно решать задачу по обнаружению лица человека на цветных изображениях и реальных видеосценах.
В настоящей работе будут рассмотрены методы первого подхода и сравнены их характеристики, а также предложен метод, основанный на использовании негатива изображения.
Изображение rgb
Разложение по составляющим r, g и b соответственно
рис.1
Как видно из рисунка 1 (рис.1), ни одна составляющая пространства RGB не выделяет однозначно область лица.
Процесс определения областей-кандидатов на лицо человека обычно реализуется в таких цветовых пространствах, в которых области лиц (области «skin-color») выделяются из остального фона. Среди наибольший интерес вызывают цветовые пространства HSV, YCbCr и i1i2i3.
H S V
Y Cb Cr
I1 I2 I3
255-R 255-G 255-B
рис.2
На рисунке 2(рис.2) представлены покомпонентное представление упомянутых пространств, а также пространство негатива.
Получение соответствующих пространств из RGB
Пространство YCbCr:
Y = C1R+C2G+C3B
Cb = (B-Y)(2-2C3)
Cr = (R-Y)/(2-2C1)
Рекомендации к константам
Стандарт |
C1 |
C2 |
C3 |
Рекомендация 601 |
0,2989 |
0,5866 |
0,1145 |
Рекомендация 709 |
0,2126 |
0,7152 |
0,0722 |
При этом для выделения области лица используются составляющие Cb и Cr.
Условие на значения:
{138<Cr<178; 199<Cb+0,6Cr<215}, где Cb,Cr = [0,255]
Пространство I1 I2 I3:
Значения составляющих компонент этого пространства можно получить несколькими способами. Самый простой из них – следующий:
I1 = (R+G+B)/3
I2 = R-B
I3 = (2G-R-B)/2,
Где R,G,B – составляющие пространства RGB
Пространство HSV:
Для трансформации RGB-изображения в пространство HSV необходимо выполнить следующие действия:
Шаг 1:
Шаг 2:
где MAX = max(R,G,B) – максимальное значение составляющих R,G,B
MIN = min(R,G,B) – минимальное значение составляющих R,G,B
Δ= MAX – MIN
При этом для выделения области лица используется распределение цвета лица человека.
Для составляющей S это диапазон [0,2;0,7]
Для составляющей H это диапазоны [0;0,1] и [0,9;1]
Для составляющей V определяется как V≥40
Пространство негатива RGB:
Данное пространство может определяться различными способами:
1. 255 -RGB
Быстро, просто, делает то, что нужно, за исключением средней области цветов.
2. (RGB+128) mod 256
вопреки ожиданиям - результаты хуже, чем пункт 1.
кроме того, непривычно, что инверсия чёрного - это серый, а не белый.