211service.com
Een gezichtsvindende zoekmachine
Tegenwoordig zijn er meer videocamera's van lage kwaliteit - bewakings- en verkeerscamera's, camera's voor mobiele telefoons en webcams - dan ooit tevoren. Maar moderne zoekmachines kunnen objecten niet erg betrouwbaar identificeren in heldere, statische afbeeldingen, laat staan in korrelige YouTube-clips. Een nieuwe software-aanpak van onderzoekers van de Carnegie Mellon University zou het gemakkelijker kunnen maken om het gezicht van een persoon te identificeren in een video met een lage resolutie. De onderzoekers zeggen dat de software kan worden gebruikt om criminelen of vermiste personen te identificeren, of dat deze kan worden geïntegreerd in videozoekmachines van de volgende generatie.
Vage gezichten : Een nieuw gezichtsherkenningssysteem van onderzoekers van Carnegie Mellon werkt zelfs op afbeeldingen met een lage resolutie.
De huidige gezichtsherkenningssystemen werken eigenlijk best goed, zegt Pablo Hennings-Yeomans, een onderzoeker bij Carnegie Mellon die het systeem heeft ontwikkeld, dat wil zeggen dat onderzoekers de verlichting, de hoek van het gezicht en het type camera dat wordt gebruikt kunnen regelen. De nieuwe wetenschap van gezichtsherkenning heeft te maken met ongedwongen omgevingen, zegt hij. Ons werk is in het bijzonder gericht op het probleem van de oplossing.
Om een gezichtsherkenningssysteem een persoon te laten identificeren, legt Hennings-Yeomans uit, moet het eerst worden getraind op een database met gezichten. Voor elk gezicht gebruikt het systeem een zogenaamd feature-extraction-algoritme om patronen te onderscheiden in de rangschikking van beeldpixels; terwijl het getraind is, leert het sommige van die patronen te associëren met fysieke eigenschappen: ogen die schuin naar beneden hangen, bijvoorbeeld, of een prominente kin.
Het probleem, zegt Hennings-Yeomans, is dat bestaande gezichtsherkenningssystemen gezichten alleen kunnen identificeren in afbeeldingen met dezelfde resolutie als die waarmee de systemen zijn getraind. Dit geeft onderzoekers twee keuzes als ze afbeeldingen met een lage resolutie willen identificeren: ze kunnen hun systemen trainen met afbeeldingen met een lage resolutie, wat op de lange termijn slechte resultaten oplevert, of ze kunnen pixels of resolutie toevoegen aan de afbeeldingen die ze moeten maken. geïdentificeerd.
De laatste benadering, die wordt bereikt met behulp van zogenaamde superresolutie-algoritmen, is gebruikelijk, maar de resultaten zijn gemengd, zegt Hennings-Yeomans. Een algoritme met superresolutie doet aannames over de vorm van objecten in een afbeelding en gebruikt deze om objectgrenzen aan te scherpen. Hoewel de resultaten er voor het menselijk oog indrukwekkend uit kunnen zien, komen ze niet goed overeen met de soorten patronen waar gezichtsherkenningssystemen op zijn getraind. Superresolutie geeft je een geïnterpoleerd beeld dat er beter uitziet, zegt Hennings-Yeomans, maar het zal vervormingen hebben zoals ruis of kunstmatige [functies].
Maak een match voor mij : De testafbeeldingen in de bovenste rij worden gebruikt om een database met opgeslagen galerijafbeeldingen te doorzoeken, net zoals trefwoorden die in een webzoekmachine worden ingevoerd. Wanneer gezichten overeenkomen, zoals langs de diagonaal, heeft de resulterende samengestelde afbeelding vloeiende kenmerken. Wazige kenmerken duiden op een mismatch.
Samen met B. Vijaya Kumar, een professor in elektrische en computertechniek aan Carnegie Mellon, en Simon Baker van Microsoft Research, heeft Hennings-Yeomans een aanpak getest die gezichtsherkenningssystemen verbetert die standaard superresolutie gebruiken. In plaats van superresolutie-algoritmen op een afbeelding toe te passen en de resultaten door een gezichtsherkenningssysteem te laten lopen, ontwierpen de onderzoekers software die aspecten van een superresolutie-algoritme combineert met het feature-extraction-algoritme van een gezichtsherkenningssysteem. Om een match voor een afbeelding te vinden, voert het systeem deze eerst door dit intermediaire algoritme, dat geen afbeelding reconstrueert die er beter uitziet voor het menselijk oog, zoals algoritmen met superresolutie. In plaats daarvan extraheert het functies die specifiek leesbaar zijn door het gezichtsherkenningssysteem. Op deze manier vermijdt het de vervormingen die kenmerkend zijn voor alleen gebruikte superresolutie-algoritmen.
In eerder werk toonden de onderzoekers aan dat het intermediaire algoritme de resultaten voor het matchen van gezichten verbeterde bij het vinden van overeenkomsten voor een enkele afbeelding. In een paper die later deze maand wordt gepresenteerd op de IEEE International Conference on Biometrics: Theory, Systems, and Applications, laten de onderzoekers zien dat het systeem in sommige gevallen zelfs nog beter werkt wanneer meerdere afbeeldingen of frames, zelfs van verschillende camera's, worden gebruikt .
De aanpak is veelbelovend, zegt Pawan Sinha, hoogleraar hersen- en cognitieve wetenschappen aan het MIT. Het probleem van afbeeldingen en video met een lage resolutie is ongetwijfeld belangrijk en is door geen van de commerciële gezichtsherkenningssystemen die ik ken adequaat aangepakt, zegt hij. Over het algemeen vind ik het werk leuk.
Uiteindelijk, zegt Hennings-Yeomans, moeten de superresolutie-algoritmen nog steeds worden verbeterd, maar hij denkt niet dat het te veel werk zou kosten om de benadering van zijn groep toe te passen op bijvoorbeeld een webtool die YouTube-video's doorzoekt. Je gaat gezichtsherkenningssystemen zien voor het ophalen van afbeeldingen, zegt hij. Googlen doe je niet door tekstquery's te gebruiken, maar door een afbeelding mee te geven.