211service.com
Un motore di ricerca per trovare il volto
Oggi ci sono più videocamere di bassa qualità – telecamere per la sorveglianza e il traffico, telecamere per cellulari e webcam – che mai. Ma i motori di ricerca moderni non sono in grado di identificare gli oggetti in modo molto affidabile in immagini chiare e statiche, tanto meno in clip YouTube sgranate. Un nuovo approccio software dei ricercatori della Carnegie Mellon University potrebbe semplificare l'identificazione del volto di una persona in un video a bassa risoluzione. I ricercatori affermano che il software potrebbe essere utilizzato per identificare criminali o persone scomparse, oppure potrebbe essere integrato nei motori di ricerca video di prossima generazione.
Facce sfocate : un nuovo sistema di riconoscimento facciale dei ricercatori della Carnegie Mellon funziona anche su immagini a bassa risoluzione.
I sistemi di riconoscimento facciale odierni funzionano davvero abbastanza bene, afferma Pablo Hennings-Yeomans, un ricercatore della Carnegie Mellon che ha sviluppato il sistema, quando, cioè, i ricercatori possono controllare l'illuminazione, l'angolazione del viso e il tipo di fotocamera utilizzata. La nuova scienza del riconoscimento facciale si occupa di ambienti non vincolati, dice. Il nostro lavoro, in particolare, si concentra sul problema della risoluzione.
Affinché un sistema di riconoscimento facciale possa identificare una persona, spiega Hennings-Yeomans, deve prima essere addestrato su un database di volti. Per ogni volto, il sistema utilizza un cosiddetto algoritmo di estrazione delle caratteristiche per distinguere i modelli nella disposizione dei pixel dell'immagine; man mano che viene allenato, impara ad associare alcuni di questi schemi a tratti fisici: occhi inclinati verso il basso, ad esempio, o un mento prominente.
Il problema, afferma Hennings-Yeomans, è che i sistemi di riconoscimento facciale esistenti possono identificare i volti solo in immagini con la stessa risoluzione di quelle con cui sono stati addestrati i sistemi. Questo offre ai ricercatori due scelte se vogliono identificare immagini a bassa risoluzione: possono addestrare i loro sistemi utilizzando immagini a bassa risoluzione, che producono scarsi risultati a lungo termine, oppure possono aggiungere pixel, o risoluzione, alle immagini da identificato.
Quest'ultimo approccio, che si ottiene utilizzando i cosiddetti algoritmi di super-risoluzione, è comune, ma i suoi risultati sono contrastanti, afferma Hennings-Yeomans. Un algoritmo di super-risoluzione fa ipotesi sulla forma degli oggetti in un'immagine e li usa per affinare i confini degli oggetti. Sebbene i risultati possano sembrare impressionanti per l'occhio umano, non si accordano bene con i tipi di schemi che i sistemi di riconoscimento facciale sono addestrati a cercare. La super-risoluzione ti darà un'immagine interpolata che sembra migliore, dice Hennings-Yeomans, ma avrà distorsioni come rumore o [caratteristiche] artificiali.
Fammi un fiammifero : Le immagini sonda lungo la riga superiore vengono utilizzate per interrogare un database di immagini di gallerie archiviate, proprio come le parole chiave immesse in un motore di ricerca Web. Quando i volti corrispondono, come fanno lungo la diagonale, l'immagine composita risultante ha caratteristiche uniformi. Le caratteristiche sfocate indicano una mancata corrispondenza.
Insieme a B. Vijaya Kumar, professore di ingegneria elettrica e informatica alla Carnegie Mellon, e Simon Baker di Microsoft Research, Hennings-Yeomans ha testato un approccio che migliora i sistemi di riconoscimento facciale che utilizzano la super risoluzione standard. Invece di applicare algoritmi di super risoluzione a un'immagine ed eseguire i risultati attraverso un sistema di riconoscimento facciale, i ricercatori hanno progettato un software che combina gli aspetti di un algoritmo di super risoluzione e l'algoritmo di estrazione delle caratteristiche di un sistema di riconoscimento facciale. Per trovare una corrispondenza per un'immagine, il sistema la alimenta prima attraverso questo algoritmo intermediario, che non ricostruisce un'immagine che sembra migliore all'occhio umano, come fanno gli algoritmi di super risoluzione. Invece, estrae le caratteristiche che sono specificamente leggibili dal sistema di riconoscimento facciale. In questo modo, evita le distorsioni caratteristiche degli algoritmi di super risoluzione usati da soli.
In lavori precedenti, i ricercatori hanno dimostrato che l'algoritmo intermedio ha migliorato i risultati della corrispondenza dei volti quando si trovano corrispondenze per una singola immagine. In un articolo presentato alla conferenza internazionale IEEE sulla biometria: teoria, sistemi e applicazioni alla fine di questo mese, i ricercatori mostrano che il sistema funziona ancora meglio, in alcuni casi, quando vengono utilizzate più immagini o fotogrammi, anche da diverse fotocamere. .
L'approccio è promettente, afferma Pawan Sinha, professore di scienze cerebrali e cognitive al MIT. Il problema delle immagini e dei video a bassa risoluzione è senza dubbio importante e non è stato affrontato adeguatamente da nessuno dei sistemi commerciali di riconoscimento facciale che conosco, dice. Nel complesso, mi piace il lavoro.
In definitiva, afferma Hennings-Yeomans, gli algoritmi di super risoluzione devono ancora essere migliorati, ma non pensa che ci vorrebbe troppo lavoro per applicare l'approccio del suo gruppo, ad esempio, a uno strumento Web che cerca i video di YouTube. Vedrai sistemi di riconoscimento facciale per il recupero delle immagini, dice. Google non utilizzando query di testo, ma fornendo un'immagine.