Метод Виолы-Джонса

АННОТАЦИЯ

В данной работе рассматривается один методов детектирования лиц на изображении или в видеопотоке – алгоритм Виолы – Джонса.

Основные определения

Определение 1 Признаки Хаара – признаки, которые используются при работе с цифровым изображением для распознавания образов. Являются основным элементов в методе Виолы – Джонса.

Определение 2 Классификация объекта – номер класса, к которому принадлежит объект.

Определение 3 Классификатор – аппроксимирующая функция, которая определяет принадлежность объекта к какому-либо классу.

Определение 4 Обучающая выборка – конечное число данных для обучения классификатора.

Введение

В связи с возрастающими потребностями общества к развитию охранных систем, систем верификации кредитных карточек, систем криминалистической экспертизы, возникает потребность к использованию методов, позволяющих идентифицировать лица людей. Такая задача для человека довольно несложная, но обучить компьютер гораздо проблематичнее. Существует несколько методов для детектирования лиц, но метод Виолы – Джонсы зарекомендовал себя более с лучшей стороны и поэтому является наиболее распространенным.

Постановка проблемы

Необходимо ознакомиться с методом Виолы-Джонса для детектирования лиц.

Описание метода Виолы-Джонса

 Цифровое изображение представляется в виде двумерной матрице, где элемент матрицы представляет из себя значение пикселя на отрезке [0;255]. Если изображение – черно-белое, то тогда изображение можно описать одной матрицей, если цветное, то изображение описывается 3 двумерными матрицами для каждого из цветов RGB (R – красный, G – зеленый, B – синий). Существуют и другие представления цветного изображения.

Одним из основных принципов метода Виолы-Джонса является представление черно-белого изображения или в оттенках градациях серого в интегральном виде. Интегральное представление позволяет посчитать суммарную яркость произвольного прямоугольника на изображении. Интегральное изображение по размерам совпадает с исходным. Для подсчета используется формула на рис.1.

Рис. 1. Формула для получения интегрального изображения.

Значение в точке X, Y матрицы (II), полученной из исходного изображения (I) это сумма всех точек в прямоугольнике (0, 0, X, Y). Тогда интеграл по любому прямоугольнику (ABCD) в изображении представим как: SumOfRect (ABCD) = II(A) + II(С) — II(B) — II(D). Таким образом получили быструю и удобную формулу для вычисления сумму яркостей пикселей в прямоугольнике.

Используя интегральное изображение, можно очень легко и быстро вычислять признаки Хаара. В алгоритме Виолы-Джонса используются прямоугольные признаки или примитивы Хаара, изображенные на рис. 2.

Рис. 2. Примитивы Хаара.

Значение вычисляемого признака будет разность суммы яркостей пикселей белой и черной области признака.

В дальнейшем требуется произвести вычисление признаков на изображении. Для этого используется скользящее окно. Выбирается небольшое окно сканирования, внутри него вычисляются различные признаки. Для наилучших результатов формируются 200000 различных признаков за счет изменения их масштабов и положения внутри сканирующего окна. Затем окно передвигается по изображению с шагом в 1 ячейку. После нахождения всех признаков меняется масштаб сканирующего окна, и затем снова происходит расчет признаков. Далее найденные признаки подаются на вход классификатору, который в дальнейшем выносит решение о принадлежности лица сканирующему окну. Одним из важнейших и самых долгих этапов является обучение классификатора.

Для обучения классификатора в методе Виолы-Джонса используется технология бустинга. Бустинг – это комплекс методов, позволяющих из композиции простых классификаторов построить более сложный. Непосредственно для метода Виолы Джонса алгоритм классификации выглядит таким образом:

1) Имея выборку данных, на которых указан требуемый классифицируемый объект, вычисляем различные примитивы Хаара.

2) Для каждого признака выбирается подходящий порог для классификации.

3) Затем отбираются наилучшие примитивы и подходящий порог для каждого примитива.

Пример каскадной модели сильных классификаторов выглядит на следующей схеме рис. 3.

Рис.3. Схема сложных классификаторов.

При применении к изображению на первом этапе используются простые классификаторы для отбрасывания части сканирующих окон. К положительным значениям первого классификатора применяется второй и так далее. Таким образом применяется цепочка из классификаторов, и ошибка становится все меньше и меньше.

Недостатки метода Виолы-Джонса

Главным недостатком метода является длительность его обучения, а также использования большого количества данных для обучения классификатора. Также алгоритм не дает срабатывания при повороте лица на угол более 30 градусов. Кроме того, при достаточно сильном освещении или затемнении, алгоритм также может не сработать

Заключение

В данной работе был рассмотрен один из алгоритмов компьютерного зрения – метод Виолы-Джонса. Было приведено подробное описание метода, а также вынесены его недостатки.

Список литературы:

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Издательство “Техносфера”, Москва, 2005 г.
2. Местецкий Л.М. Математические методы распознавания образов. МГУ, ВМиК, Москва, 2002–2004 г.