211service.com
En søgemaskine til ansigtssøgning
I dag er der flere videokameraer af lav kvalitet – overvågnings- og trafikkameraer, mobiltelefonkameraer og webcams – end nogensinde før. Men moderne søgemaskiner kan ikke identificere objekter særlig pålideligt i klare, statiske billeder, meget mindre i kornete YouTube-klip. En ny softwaretilgang fra forskere ved Carnegie Mellon University kan gøre det nemmere at identificere en persons ansigt i en lavopløsningsvideo. Forskerne siger, at softwaren kunne bruges til at identificere kriminelle eller forsvundne personer, eller den kunne integreres i næste generations videosøgemaskiner.
Uklare ansigter : Et nyt ansigtsgenkendelsessystem fra forskere ved Carnegie Mellon virker selv på billeder i lav opløsning.
Nutidens ansigtsgenkendelsessystemer fungerer faktisk ret godt, siger Pablo Hennings-Yeomans, en forsker ved Carnegie Mellon, der udviklede systemet – når det vil sige, at forskere kan styre lyset, ansigtets vinkel og den anvendte type kamera. Den nye videnskab om ansigtsgenkendelse beskæftiger sig med ubegrænsede miljøer, siger han. Vores arbejde fokuserer især på problemet med løsning.
For at et ansigtsgenkendelsessystem kan identificere en person, forklarer Hennings-Yeomans, skal det først trænes på en database med ansigter. For hvert ansigt bruger systemet en såkaldt feature-extraction-algoritme til at skelne mønstre i arrangementet af billedpixel; Efterhånden som den trænes, lærer den at forbinde nogle af disse mønstre med fysiske træk: øjne, der skråner ned, for eksempel eller en fremtrædende hage.
Problemet, siger Hennings-Yeomans, er, at eksisterende ansigtsgenkendelsessystemer kun kan identificere ansigter på billeder med samme opløsning som dem, systemerne blev trænet med. Dette giver forskerne to valgmuligheder, hvis de vil identificere billeder i lav opløsning: De kan enten træne deres systemer ved at bruge billeder i lav opløsning, hvilket giver dårlige resultater i det lange løb, eller de kan tilføje pixels eller opløsning til billederne, der skal identificeret.
Sidstnævnte tilgang, som opnås ved at bruge såkaldte super-opløsningsalgoritmer, er almindelig, men dens resultater er blandede, siger Hennings-Yeomans. En superopløsningsalgoritme gør antagelser om formen af objekter i et billede og bruger dem til at skærpe objektgrænser. Selvom resultaterne kan se imponerende ud for det menneskelige øje, stemmer de ikke godt overens med de typer mønstre, som ansigtsgenkendelsessystemer er trænet til at lede efter. Super-opløsning vil give dig et interpoleret billede, der ser bedre ud, siger Hennings-Yeomans, men det vil have forvrængninger som støj eller kunstige [funktioner].
Gør mig et match : Probebillederne langs den øverste række bruges til at forespørge i en database med gemte galleribilleder, ligesom nøgleord indtastet i en websøgemaskine. Når ansigter matcher, som de gør langs diagonalen, har det resulterende sammensatte billede glatte træk. Slørede funktioner indikerer en uoverensstemmelse.
Sammen med B. Vijaya Kumar, professor i elektro- og computerteknik ved Carnegie Mellon, og Simon Baker fra Microsoft Research, har Hennings-Yeomans testet en tilgang, der forbedrer ansigtsgenkendelsessystemer, der bruger standard superopløsning. I stedet for at anvende superopløsningsalgoritmer på et billede og køre resultaterne gennem et ansigtsgenkendelsessystem, designede forskerne software, der kombinerer aspekter af en superopløsningsalgoritme og feature-ekstraktionsalgoritmen i et ansigtsgenkendelsessystem. For at finde et match til et billede, feeds systemet først gennem denne mellemliggende algoritme, som ikke rekonstruerer et billede, der ser bedre ud for det menneskelige øje, som superopløsningsalgoritmer gør. I stedet udtrækker den funktioner, der specifikt kan læses af ansigtsgenkendelsessystemet. På denne måde undgår den de forvrængninger, der er karakteristiske for superopløsningsalgoritmer, der bruges alene.
I tidligere arbejde viste forskerne, at den mellemliggende algoritme forbedrede resultater for ansigtsmatchning, når de fandt matcher til et enkelt billede. I et papir, der præsenteres på IEEE International Conference on Biometrics: Theory, Systems, and Applications senere på måneden, viser forskerne, at systemet fungerer endnu bedre, i nogle tilfælde, når flere billeder eller rammer, selv fra forskellige kameraer, bruges .
Tilgangen viser lovende, siger Pawan Sinha, professor i hjerne- og kognitiv videnskab ved MIT. Problemet med billeder og video i lav opløsning er uden tvivl vigtigt og er ikke blevet taklet tilstrækkeligt af nogen af de kommercielle ansigtsgenkendelsessystemer, som jeg kender til, siger han. Alt i alt kan jeg godt lide arbejdet.
I sidste ende, siger Hennings-Yeomans, skal superopløsningsalgoritmer stadig forbedres, men han mener ikke, at det ville kræve for meget arbejde at anvende sin gruppes tilgang til f.eks. et webværktøj, der søger efter YouTube-videoer. Du kommer til at se ansigtsgenkendelsessystemer til billedhentning, siger han. Du Googler ikke ved at bruge tekstforespørgsler, men ved at give et billede.