gesichtserkennung mit svd
TRANSCRIPT
![Page 1: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/1.jpg)
Gesichtserkennung mit Hilfe von
SVD/SDD und Tensoren
Marc Simon, INF07
![Page 2: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/2.jpg)
Gliederung
1. Wiederholung relevanter Gebiete
2. Begriff der Ähnlichkeit
3. Einsatz von SVD
4. Circular Hough Transformation (CHT)
![Page 3: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/3.jpg)
Definition Tensor
Der Tensor ist ein mathematisches Objekt aus
der Algebra und Differentialgeometrie. Ein
Tensor ist eine multilineare Abbildung,
also eine Abbildung, welche in jeder
Variablen linear ist. Anschaulich, aber
mathematisch unpräzise, kann man sich den
Tensor als eine mehrdimensionale Matrix
vorstellen.
![Page 4: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/4.jpg)
Definition SVD
Die Singulärwertzerlegung (Singular Value
Decomposition) einer Matrix bezeichnet
deren Darstellung als Produkt dreier
spezieller Matrizen. Daraus kann man die
Singulärwerte der Matrix ablesen. Diese
charakterisieren, ähnlich den Eigenwerten,
Eigenschaften der Matrix. Singulärwerte
lassen sich für jede (auch nichtquadratische)
Matrix bestimmen
![Page 5: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/5.jpg)
Zerlegung in Singulärwerte
• A=UΣV*
• wobei
– U unitäre m×m-Matrix
– Σ m×n-Diagonalmatrix
– V* adjungierte Matrix von V
– V unitäre n×n-Matrix
![Page 6: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/6.jpg)
Besonderheiten bei SDD
• Semi Discrete Decomposition (SDD)
funktioniert grundlegend ähnlich wie die
SVD
• Einschränkung: Matrizen U und V* dürfen
nur die Einträge {-1;0;1} enthalten
![Page 7: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/7.jpg)
Was ist Ähnlichkeit?
![Page 8: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/8.jpg)
Was ist Ähnlichkeit?
• Software wird programmiert, bestimmte
Muster zu vergleichen
• Hier kann z. B. Haarfarbe,
Gesichtssymmetrie, Augenfarbe, etc…
genommen werden
• Wie erhalte ich eine zuverlässige
Erkennung, wenn der Kopf nicht gerade ist?
![Page 9: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/9.jpg)
Wo kann SVD helfen?
• SVD zerlegt eine Matrix in gewichtete,
geordnete und unterscheidbare Matrizen
• Bei der Bildverarbeitung können so
einzelne Aspekte hervorgehoben oder
vertuscht werden
• Einsatz vor allem in biologischen System,
beispielsweise beim Gabor Filter
![Page 10: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/10.jpg)
Gabor Filter
• Filter, um Kanten oder Texturen in einem
Bild zu verdeutlichen
• Ähnlich dem menschlichen Seh-System
• Wird auch eingesetzt zur
Handschriftenerkennung, Iris-Erkennung
und beim Fingerprint
• Siehe GaborFilter.html und Videos
![Page 11: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/11.jpg)
Gabor Filter - mathematisch
![Page 12: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/12.jpg)
Circular Hough Transformation
• Nach der Eck-Bestimmung im Ursprungsbild wird
im Zielbild um jeden Eckpunkt ein Kreis mit
gewünschtem Radius gezeichnet
![Page 13: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/13.jpg)
Bresenham‘s Algorithmus
• Algorithmus zum Zeichnen von Kreisen
und Geraden auf Rasteranzeigen
• Besonderheit: Minimiert Rundungsfehler,
die durch Diskretisierung kontinuierlicher
Werte entstehen
![Page 14: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/14.jpg)
Erkennungs-Algorithmus
1. Für gegebenes Grauwertbild Kanten bestimmen
2. Ermitteln der großen und kleinen Eigenwerte für
die Kovarianz-Matrix des Kanten-Bildes
3. Das Verhältnis von großen zu kleinen
Eigenwerten für verschiedene Winkel ermitteln
4. Die größte und kleinste Achsenlänge aus den
Eigenwerten bestimmen
![Page 15: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/15.jpg)
Erkennungs-Algorithmus
5. CHT ausführen, um das Zentrum der
Ellipse zu bestimmen
6. Ausrechnen der Begrenzungspunkte der
Ellipse mit Bresenham‘s Raster Scan-
Algorithmus
7. Den Inhalt der Ellipse aus dem Bild
ausschneiden
![Page 16: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/16.jpg)
![Page 17: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/17.jpg)
Erkennung bei gedrehtem Kopf
![Page 18: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/18.jpg)
Gesichtserkennung bei Rauschen
![Page 19: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/19.jpg)
Zusammenfassung
• 2 Möglichkeiten Gesichter zu erkennen:
– Über Gesichtsmetriken
– Durch elliptisches Ausschneiden des Gesichts
und Vergleich
• Erkennung funktioniert noch nicht 100%
sicher, aber selbst bei Rauschen bis 60%
sehr zuverlässig
![Page 20: Gesichtserkennung mit SVD](https://reader038.vdokument.com/reader038/viewer/2022100518/559c06ae1a28ab9d188b47dd/html5/thumbnails/20.jpg)
Quellen
• http://www.waset.org/journals/waset/v39/v39-
71.pdf
• http://www.cse.unr.edu/~bebis/MathMethods/PC
A/case_study_pca1.pdf
• http://en.wikipedia.org/wiki/Singular_value_deco
mposition
• http://de.wikipedia.org/wiki/Tensor
• http://www.cvmt.dk/education/teaching/e07/MED
3/IP/Simon_Pedersen_CircularHoughTransform.p
df