Arcfelismerés

Az arcfelismerésben a módszerek két alapvető családját különböztetjük meg. A nem parametrikus módszer a minta alapú, ahol az egyezésnél az arcok képének vagy annak részeinek a korrelációját vizsgáljuk. A parametrikus módszer pedig a geometriai, ahol az arc különböző részeinek elhelyezkedését és méretét vizsgáljuk [14].

A minta alapú módszerek az arc globális tulajdonságait emelik ki. A minta arc és az aktuálisan vizsgált arc képének a korrelációját használják az azonosításhoz. Néhány esetben ez az összehasonlítás csak egyes kiemelt régiókat (pl. szem, ajkak, orr) érint az arcon. A statisztikai elemzéshez használhatjuk közvetlenül a képpontokat, de egyéb ábrázolási módokat is a dimenziószám csökkentése érdekében. A legismertebb ilyen

megközelítési mód az arc képét egy olyan jellegvektorban reprezentálja, amelyet a sajátarcnak (Eigenface) nevezett sajátvektorokkal definiálunk. A geometriai módszer az arc különböző részeinek (szem, ajkak, orr, áll) az egymáshoz képesti pozícióját és egyéb tulajdonságait vizsgálja. Az arc említett részeit még meglehetősen durva felbontás mellett is jó pontossággal meg lehet találni, így ez a módszer jobban alkalmazható kamerával történő távoli személyazonosítás esetén, amikor a felbontás kisebb. Video kamera képek esetében mindkét módszernél alapvető képfeldolgozási feladat az arc lokalizálása a képen. Az alkalmazott arcfelismerési módszertől függően az azonosítás a távoli kép alapján is elvégezhető, de visszacsatolás is elképzelhető a képvételi eszközök felé, ahol a megtalált arcról egy közeli, nagyobb felbontású kép készül azonosítás céljára (pl. mozgó, fokuszáló kamera esetén).

1.3.10.1 Arcdetektálás

Ahhoz, hogy az arcot személyazonosításra használjuk térfigyelő kamerák képén, először azt meg kell találnunk a képen. Ezt nem csak általános szegmentálás céljából kell megtenni, hanem amennyiben a rendszer visszacsatolást tartalmaz a képvételi berendezések felé, így lehetőség nyílik arra, hogy két kamera ilyen módon összehangolt működésével az arcról nagyobb felbontású képet is kapjunk úgy, hogy egy kamerával ránagyítunk a másik által megtalált arcra. Az arcdetektálásnak nem utolsósorban nagy szerepe van a fül nagyított képének a levételében is.

Az arc detektálása a képen a legtöbb esetben egy keresési és egy ellenőrzési fázisban történik. A kereséssel arcfelület jelölteket állítunk, majd az ellenőrzés során eldobjuk azokat a jelölteket, amelyek nem bizonyulnak hasonlónak az adott arcfelülettel.

A keresés általában a természetes emberi bőr színkódja alapján történik, ami tipikusan ritkán fordul elő más tárgyon. A bőrszín szórása relatíve kicsi, és a szín alapján történő szegmentálás erőforrásigénye is igen kicsi. A bőrszín eloszlása a fehér és fekete bőrszínnek megfelelően bivariáns Gauss eloszlást mutat (az eloszlásfüggvénynek két csúcspontja van, amelyek körül lokálisan Gauss eloszlás mutatkozik). Mivel a bőrszínben domináns a piros és a zöld alapszín, a keresés a három alapszín alapján történik. A megtalált jelölt felületeket ezek után ellenőrizzük aszerint, hogy az arcokra jellemző vonásokkal rendelkeznek-e vagy sem, és a téves felületeket eldobjuk. Az ellenőrzésnél különböző színre és mintázatra támaszkodó módszereket is alkalmaznak [7; 15].

1.3.10.2. Mintázat alapú módszerek

A mintázat alapú ellenőrzési módszerek zöme sötét foltokat (szem, száj) keres a jelölt felületen. Ehhez vagy különböző szűrések révén juthatunk [15], vagy horizontális hisztogram analízis révén. Az 1.13 ábrán egy ilyen horizontális hisztogramot mutatunk be: A horizontális hisztogram egy sor átlagos világosságát adja meg. A hisztogramon lokális szélsőértékeket keresünk, majd ezen pontokat analizálva jutunk el a szem és a száj vertikális pozíciójáig. A legvilágosabb sor (1.13 ábrán C) lesz a referenciavonal, feltételezve, hogy az a pofacsont vertikális pozíciója. A vonal alatt, illetve felett található legsötétebb pontok (lokális minimumok) potenciálisan a szem (a fenti ábrán A, B) és száj (a fenti ábrán D, E, F) pozícióit mutatják. Amennyiben ezek a pozíciók megfelelnek a várakozásainknak, a felületet arcnak fogadjuk el [16].

1.13 ábra: Egy arcfelület jelölt és horizontális hisztogramja Forrás: [38]

1.3.10.3 Minta alapú arcazonosítási módszerek

A minta alapú arcazonosítási módszerek közös tulajdonsága, hogy a teljes arc képének valamely globális tulajdonságát ütköztetik az elmentett mintával. A cél ebben az esetben is a sajátságvektor kivonatolása, de azokat nem az arc bizonyos pontjainak a geometriai elhelyezkedéséből vezetjük le, hanem egyéb, általában statisztikai jellemzőkből [17].

A legegyszerűbb minta alapú arcazonosítási módszer a legközelebbi szomszéd osztályozási módszer (nearest neighbor classifier). Itt egyszerűen a képtérben definiáljuk a távolságot – ez megfelel az azonosítandó minta és a regisztrált minták korrelációjának.

A módszer hátránya, hogy hatékony működéséhez regisztrációkor a lehető legtöbb módon kell megvilágítani és elmenteni a regisztrációs képeket, valamint, hogy a korreláció igen erőforrás-igényes.

1.3.10.4 Geometriai arcazonosítási módszerek

A geometriai módszerek esetében a legfontosabb a sajátosságok megfelelő definiálása.

A jobb és bal szem két szélső pontjai. Ez a két pont még csukott szem esetén is azonosítható.

A jobb és bal orrcimpa szélső pontjai. Ugyan kis távolságra vannak egymástól, mégis minden esetben jól azonosítható pontokról van szó. A belső pontok stabilabb pontok a külsőknél, távolságuk azonban jelentős eltérést mutat különböző emberek esetében.

A száj középpontja. A száj a legnehezebben azonosítható alakzat az arcon, mert a legrugalmasabb, éppen ezért nem a szélső pontokat azonosítjuk, hanem az azok által meghatározott középpontot, amely már sokkal stabilabbnak mutatkozik különböző arckifejezések esetén is.

A fenti 9 pont így összesen 18 sajátság értéket ad, hiszen minden pont esetében a referencia középponttól mért x és y irányú pozíciót mérjük. Ez a dimenziószám azonban nem elegendő, további sajátosságok felvétele szükséges a hibaarányok csökkentése érdekében. A már említett pozíciókon kívül a következő paramétereket is felvesszük:

 az áll jobb és bal oldalának horizontális pozíciója, az áll közepének vertikális pozíciója,

 a bal szemöldök vertikális pozíciója, a bal fülcimpa horizontális pozíciója.

A kibővített sajátosság mérő pontokat a következő ábrán láthatjuk.

1.14 ábra: Pontok az arc sajátságvektorainak megállapítására Forrás: [7]

Természetesen további pontok, illetve távolságok és pozíciók felvétele is lehetséges, azonban a további paraméterek felvétele nem befolyásolja érdemben a biometrikus módszer erősségét.