Introducci - PowerPoint PPT Presentation

Loading...

PPT – Introducci PowerPoint presentation | free to download - id: 79b9f4-OWJmY



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Introducci

Description:

Introducci n al an lisis de expresiones El reconocimiento autom tico de expresiones est poco desarrollado a n. Objetivos: interfaces inteligentes hombre ... – PowerPoint PPT presentation

Number of Views:9
Avg rating:3.0/5.0
Slides: 18
Provided by: Carlos611
Learn more at: http://www.sav.us.es
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Introducci


1
Introducción al análisis de expresiones
  • El reconocimiento automático de expresiones está
    poco desarrollado aún.
  • Objetivos interfaces inteligentes hombre-máquina
    y ayuda a la comunicación.
  • Limitado al reconocimiento de expresiones
    puras enfado, disgusto, miedo, alegría,
    tristeza, sorpresa y neutral.

2
Líneas generales
  • Preprocesado.
  • Extracción de rasgos.
  • Reconocimiento de las Unidades de Acción.
  • Clasificación emocional.
  • Resultado.

3
Extracción de rasgos
  • Rasgos como la punta de la nariz o la barbilla se
    pueden localizar estudiando la distribución del
    brillo de la imagen a lo largo del eje de
    simetría de la cara.
  • Para las cejas se puede usar código de cadenas
    una vez determinado el color general de las
    mismas. También se puede usar para detectar los
    ojos.
  • La curva de los labios y la del interior de la
    boca se pueden hallar mediante snakes.

4
Unidades de Acción
  • Las expresiones faciales son el resultado de un
    determinado movimiento muscular.
  • Una Unidad de Acción se corresponde con la
    contracción de uno o más musculos.
  • La combinación de determinadas Unidades de Acción
    produce una emoción concreta.

5
Medición de las Unidades de Acción (I)
  • Modelo frontal en base a la posición de
    determinados puntos...
  • Calcular la distancia entre determinados pares de
    ellos.
  • Calcular el ángulo entre tres puntos concretos.
  • Calcular intensidades de imagen en algunas
    regiones.
  • Establecer la silueta de los labios y la boca.

6
Medición de las Unidades de Acción (II)
  • Modelo lateral en base a los puntos de inflexión
    de la silueta...
  • Calcular la distancia y la curvatura entre
    determinados pares.
  • Comprobar la ausencia de determinados puntos o la
    aparición de puntos de inflexión inesperados.

7
Medición de las Unidades de Acción (III)
  • Una vez recopilada la información anterior, se
    compara con la que tenemos almacenada (la
    correspondiente a la expresión neutral).
  • Una determinada Unidad de Acción se activará si
    la medición difiere sustancialmente de la
    expresión neutral.

8
Clasificación emocional
  • Una emoción se puede establecer en base a un
    conjunto de Unidades de Acción.
  • Problema es muy difícil que una persona tenga
    una expresión facial pura.
  • Solución se usan porcentajes de emociones,
    según las Unidades de Acción que se encuentren en
    la imagen.

9
Detección de caras y expresiones faciales
  • Carlos Alejo Ramírez
  • Manuel David Pérez Palma

10
IntroducciónPara qué sirve detectar caras?
  • Primer paso para el reconocimiento de personas.
  • Videoconferencia.
  • Vigilancia de multitudes.
  • Diseño de interfaces hombre-máquina inteligentes.

11
Evolución
  • 1970 Técnicas heurísticas y antropométricas
    reconocimiento de caras en fotos carné.
  • 1990 Inicio del verdadero interés por la
    detección de caras debido al desarrollo de la
    tecnología y al descubrimiento de aplicaciones
    útiles.
  • Últimos avances caras rotadas y perfiles.

12
Tipos de enfoque
  • Enfoques basados en los rasgos faciales
  • Análisis a bajo nivel
  • Análisis de rasgos
  • Modelos de siluetas
  • Enfoques basados en la imagen
  • Subespacios lineales
  • Redes neuronales
  • Aproximaciones estadísticas

13
Análisis a bajo nivel Detección de bordes
  • Pasos del algoritmo
  • Detección de bordes (operador de Marr-Hildreth,
    p.e.)
  • Adelgazamiento
  • Filtrado
  • Etiquetado

14
Análisis a bajo nivel Grises
  • Pasos del algoritmo
  • Aumento del contraste de la imagen
  • Separar las componentes cuyo nivel de gris sea
    mayor que un cierto umbral (thresholding)
  • Determinar rasgos faciales según plantillas
    ponderadas (por ejemplo, dos pupilas cercanas)

15
Análisis de rasgos Búsqueda de rasgos
  • Se basan en la posición relativa de rasgos
    faciales concretos.
  • Algoritmo de De Silva
  • Buscar candidatos para la parte superior de la
    cabeza
  • A partir de ahí realizar una búsqueda hacia abajo
    del par de ojos
  • Búsqueda del resto de rasgos mediante plantillas
    flexibles

16
Análisis de la imagen Redes neuronales
  • Concepto diferente de programación, basado en el
    funcionamiento de las neuronas en el cerebro.
  • Se entrena una red neuronal con imágenes de
    muestra que representan caras y otras que no.
  • Una vez entrenada la red es capaz de saber lo que
    es una cara y lo que no lo es.

17
Conclusiones
  • No hay un algoritmo efectivo al 100.
  • Porcentaje de éxito entre el 70 y el 95 en los
    algoritmos más modernos, con un porcentaje
    variable de falsos positivos.
  • Cada método tiene sus propias deficiencias
    algunos fallan con fondos complejos, otros si la
    persona lleva gafas, otros si se gira la cara,
    etc.
About PowerShow.com