211service.com
Wyszukiwarka odnajdująca twarz
Obecnie jest więcej kamer wideo niskiej jakości — kamer nadzoru i ruchu drogowego, aparatów w telefonach komórkowych i kamer internetowych — niż kiedykolwiek wcześniej. Jednak nowoczesne wyszukiwarki nie potrafią bardzo wiarygodnie identyfikować obiektów na wyraźnych, statycznych obrazach, a tym bardziej na ziarnistych klipach z YouTube. Nowe podejście do oprogramowania opracowane przez naukowców z Carnegie Mellon University może ułatwić identyfikację twarzy osoby na filmie o niskiej rozdzielczości. Naukowcy twierdzą, że oprogramowanie może być wykorzystywane do identyfikowania przestępców lub osób zaginionych lub może być zintegrowane z wyszukiwarkami wideo nowej generacji.
Rozmyte twarze : Nowy system rozpoznawania twarzy opracowany przez naukowców z Carnegie Mellon działa nawet na obrazach o niskiej rozdzielczości.
Dzisiejsze systemy rozpoznawania twarzy działają całkiem dobrze, mówi Pablo Hennings-Yeomans, naukowiec z Carnegie Mellon, który opracował ten system – kiedy to znaczy, że naukowcy mogą kontrolować oświetlenie, kąt twarzy i rodzaj używanej kamery. Nowa nauka o rozpoznawaniu twarzy zajmuje się nieograniczonymi środowiskami, mówi. Nasza praca w szczególności koncentruje się na problemie rozwiązywania.
Aby system rozpoznawania twarzy mógł identyfikować osobę, wyjaśnia Hennings-Yeomans, musi najpierw zostać przeszkolony w bazie danych twarzy. Dla każdej twarzy system wykorzystuje tak zwany algorytm wyodrębniania cech, aby rozpoznać wzory w rozmieszczeniu pikseli obrazu; podczas treningu uczy się kojarzyć niektóre z tych wzorców z cechami fizycznymi: na przykład skośnymi oczami lub wydatnym podbródkiem.
Problem, mówi Hennings-Yeomans, polega na tym, że istniejące systemy rozpoznawania twarzy mogą identyfikować twarze tylko na zdjęciach o tej samej rozdzielczości, z jaką te systemy zostały przeszkolone. Daje to badaczom dwie możliwości, jeśli chcą zidentyfikować obrazy o niskiej rozdzielczości: mogą albo wytrenować swoje systemy przy użyciu obrazów o niskiej rozdzielczości, co na dłuższą metę daje słabe wyniki, albo dodać piksele lub rozdzielczość do obrazów, które mają być zidentyfikowane.
To drugie podejście, które osiąga się za pomocą tak zwanych algorytmów super rozdzielczości, jest powszechne, ale jego wyniki są mieszane, mówi Hennings-Yeomans. Algorytm super rozdzielczości przyjmuje założenia dotyczące kształtu obiektów na obrazie i używa ich do wyostrzania granic obiektów. Chociaż wyniki mogą wyglądać imponująco dla ludzkiego oka, nie pasują one dobrze do rodzajów wzorców, do których wyszukiwania są wytrenowane systemy rozpoznawania twarzy. Super rozdzielczość zapewni interpolowany obraz, który wygląda lepiej, mówi Hennings-Yeomans, ale będzie miał zniekształcenia, takie jak szum lub sztuczne [funkcje].
Zrób mi mecz : Obrazy próbne w górnym rzędzie są używane do przeszukiwania bazy danych przechowywanych obrazów galerii, podobnie jak słowa kluczowe wprowadzane do wyszukiwarki internetowej. Gdy twarze pasują do siebie, tak jak na przekątnej, wynikowy obraz złożony ma gładkie cechy. Niewyraźne elementy wskazują na niezgodność.
Wraz z B. Vijayą Kumarem, profesorem inżynierii elektrycznej i komputerowej w Carnegie Mellon, oraz Simonem Bakerem z Microsoft Research, Hennings-Yeomans przetestował podejście, które ulepsza systemy rozpoznawania twarzy, które wykorzystują standardową superrozdzielczość. Zamiast stosować algorytmy super rozdzielczości do obrazu i przepuszczać wyniki przez system rozpoznawania twarzy, naukowcy zaprojektowali oprogramowanie, które łączy aspekty algorytmu super rozdzielczości i algorytmu wyodrębniania cech systemu rozpoznawania twarzy. Aby znaleźć dopasowanie do obrazu, system najpierw przesyła go przez ten pośredni algorytm, który nie rekonstruuje obrazu, który wygląda lepiej dla ludzkiego oka, jak robią to algorytmy super rozdzielczości. Zamiast tego wyodrębnia cechy, które są szczególnie czytelne przez system rozpoznawania twarzy. W ten sposób unika zniekształceń charakterystycznych dla algorytmów super rozdzielczości używanych samodzielnie.
We wcześniejszych pracach naukowcy wykazali, że algorytm pośredni poprawił wyniki dopasowywania twarzy podczas wyszukiwania dopasowań do pojedynczego zdjęcia. W artykule przedstawionym na IEEE International Conference on Biometrics: Theory, Systems and Applications pod koniec tego miesiąca naukowcy pokazują, że system działa jeszcze lepiej, w niektórych przypadkach, gdy używanych jest wiele obrazów lub ramek, nawet z różnych kamer. .
To podejście jest obiecujące, mówi Pawan Sinha, profesor nauk o mózgu i kognitywistyce na MIT. „Problem obrazów i wideo o niskiej rozdzielczości jest bez wątpienia ważny i nie został odpowiednio rozwiązany przez żaden znany mi komercyjny system rozpoznawania twarzy”, mówi. Ogólnie podoba mi się praca.
Ostatecznie, mówi Hennings-Yeomans, algorytmy super-rozdzielczości wciąż wymagają ulepszenia, ale nie sądzi, aby zastosowanie podejścia jego grupy do, powiedzmy, narzędzia internetowego przeszukującego filmy w YouTube, wymagało zbyt wiele pracy. Zobaczycie systemy rozpoznawania twarzy do wyszukiwania obrazów, mówi. Będziesz Google nie za pomocą zapytań tekstowych, ale dając obraz.