Riconoscimento di volti con tecniche 3D per controlli di sicurezza
|
|
- Fabriciano Rizzi
- 7 anni fa
- Visualizzazioni
Transcript
1 Scienza e Tecnica Rendono Sicuro il Lavoro, Bragatto & Monti (a cura di) 2009 ISPESL CNR, Genova ISBN Riconoscimento di volti con tecniche 3D per controlli di sicurezza Daniela Giorgi 1 ; Marco Attene 1 ; Giuseppe Patanè 1 ; Simone Marini 1 ; Corrado Pizzi 1 ; Silvia Biasotti 1 ; Michela Spagnuolo 1 ; Bianca Falcidieno 1 ; Lisa Usai 2. 1 Istituto di Matematica Applicata e Tecnologie Informatiche - CNR, Genova (Italia) 2 Elsag-Datamat, Genova (Italia) Sommario Il controllo degli accessi ad aeree riservate è fondamentale per garantire la sicurezza dei lavoratori e più in generale dei cittadini, e motiva l'uso di sistemi avanzati di identificazione basati su tecniche biometriche. Uno studio congiunto IMATI-Elsag-Datamat dimostra che le tecniche di riconoscimento facciale basate su immagini 2D possono risentire delle condizioni di acquisizione (sensory gap), mentre l utilizzo di modelli 3D può garantire risultati più affidabili. Proponiamo un metodo di riconoscimento facciale che analizza modelli 3D ed è invariante per espressioni, testandolo su un database che comprende i volti di 8 soggetti in 9 pose differenti. 1. Introduzione Il controllo degli accessi ad aeree riservate, in luoghi di lavoro come le banche o in luoghi pubblici come gli aeroporti, è fondamentale per garantire la sicurezza dei lavoratori e più in generale dei cittadini. Si rende necessario, quindi, il ricorso a sistemi avanzati di identificazione biometrica, basata sull analisi di caratteristiche fisiche (o comportamentali) degli individui, come impronte digitali o caratteristiche del volto. Il riconoscimento del volto, in particolare, è la modalità raccomandata dall ICAO (International Civil Aviation Organization) per i controlli all imbarco in aeroporto. Inoltre, il riconoscimento facciale è non invasivo, non richiede contatto con dispositivi fisici, è a prova di dimenticanza (facile dimenticare una tessera o una password, difficile scordare a casa il volto). Con il termine riconoscimento facciale si sottintendono due diversi scenari applicativi: l autenticazione e l identificazione. In entrambi gli scenari, il cuore del processo è lo stesso e prevede la descrizione e il confronto dei modelli dei volti con tecniche opportune. Si possono, identificare due fasi comuni: la prima corrisponde alla creazione di un database formato da immagini e/o modelli 3D, solitamente detto galleria, contenente volti di persone conosciute; nella seconda fase i volti delle stesse o di altre persone (detti probes) sono confrontati con quelli nella galleria. L autenticazione deve accertare se la persona che chiede di accedere a una certa aerea è tra le persone autorizzate all'accesso a quella particolare area. In questo caso il confronto avviene uno a uno, in quanto il probe viene confrontato con il volto della galleria corrispondente a un'identità precisa; l autenticazione avviene quando la somiglianza tra due i volti supera un valore soglia fissato. L'identificazione serve a verificare se una persona appartiene o meno ad un gruppo, ad esempio ad una lista di sospetti. In questo scenario il confronto è uno a molti, nel senso che il probe è confrontato con i volti nella galleria per individuare quello più simile. Le tecniche più diffuse di riconoscimento, in ambito accademico e commerciale, si basano sull analisi del dato 2D, cioè dell immagine del volto acquisita tramite telecamere. Sebbene in condizioni controllate le prestazioni di tali sistemi siano giudicate molto buone, l affidabilità della risposta è fortemente compromessa da condizioni avverse di illuminazione, scostamenti del soggetto dalla posa frontale, cambi di espressione, occlusioni che interessano i landmarks utilizzati (ad esempio le pupille, in caso di occhi chiusi o socchiusi; Busch et al. 2008, Razdan et al. 2007). Inoltre, sistemi basati sul riconoscimento di immagini possono essere facilmente ingannati da malintenzionati, tramite l utilizzo di foto o video (Busch et al. 2008). Per queste ragioni, la nostra attenzione si è rivolta all utilizzo di dati 3D che integrino l informazione 2D, in modo da realizzare sistemi di sorveglianza più affidabili e che non richiedano
2 la presenza di personale umano. I vantaggi di utilizzare modelli 3D risiedeno nella minore sensibilità alle condizioni di illuminazione, nell indipendenza dalla posa, e nella capacità di fornire informazioni su caratteristiche fondamentali della superficie del volto, come ad esempio la curvatura (Bowyer et al. 2006). I primi lavori sul riconoscimento facciale da modelli 3D risalgono ai primi anni 90, ma solo dopo il 2000 il numero di lavori scientifici sull'argomento aumenta considerevolmente, come pure diventano significativi il numero e la varietà di volti usati per le verifiche sperimentali: da dataset aventi meno 100 modelli si è passati al Face Recognition Grand Challenge benchmark, composto da oltre 4000 modelli, corrispondenti a più di 400 persone in pose ed espressioni sostanzialmente differenti. La maggior parte delle tecniche di riconoscimento facciale 3D è basata sull utilizzo di algoritmi ICP (Iterative Closest Point) sui modelli geometrici che rappresentano le superfici dei volti; le tecniche ICP sono applicate all intero volto o a sottoparti, eventualmente sovrapposte. Molti lavori in letteratura concordano sulle potenzialità di approcci multimodali che integrino l informazione 2D e 3D (Bowyer et al. 2006). La maggior parte delle proposte si limita a combinare a posteriori il contributo delle due modalità, ad esempio realizzando la fusione score-level, ossia sommando le distanze pesate ottenute confrontando, in due fasi distinte, le immagini 2D e i modelli 3D, oppure realizzando la fusione feature-level, definendo cioè un vettore di features in cui una parte è relativa a caratteristiche 2D e una parte a caratteristiche 3D. 2. Obiettivi In questo lavoro vengono presentate parte delle metodologie sviluppate e dei risultati ottenuti nel corso di una collaborazione tra IMATI-CNR (sezione di Genova) ed Elsag-Datamat, all interno del progetto Multi-Trust. Lo scopo del lavoro era indagare le potenzialità del riconoscimento facciale con tecniche 3D per il controllo degli accessi, in relazione alle prestazioni garantite da sistemi 2D. Ulteriori dettagli si trovano in (Giorgi et al. 2009). Gli obiettivi del lavoro possono essere riassunti in: o individuazione e simulazione delle problematiche del riconoscimento facciale 2D e 3D; o sviluppo di metodi di riconoscimento 3D affidabili e robusti; o validazione dei metodi proposti, in confronto a soluzioni esistenti. L analisi e la simulazione degli scenari sono due passi fondamentali per individuare le difficoltà a cui il sistema deve rispondere, e sviluppare quindi soluzioni affidabili e robuste. Il primo obiettivo ha dunque richiesto l analisi preliminare delle possibili situazioni corrispondenti a scenari applicativi reali, come cambi di espressione o di posizione della testa nei soggetti controllati, variazioni nelle condizioni di illuminazione dell ambiente, effetti dovuti al trascorrere del tempo tra la fase di acquisizione dei volti in galleria e l effettivo confronto con il probe acquisito in fase di controllo. È stato quindi creato un database di volti in grado di simulare le situazioni sopra descritte, da utilizzare per la validazione delle tecniche proposte. Il secondo obiettivo richiede un analisi dello stato dell arte, per individuare tecniche efficaci e direzioni promettenti. Lo studio della letteratura ha rivelato che l inconveniente principale di molti dei metodi esistenti è presupporre che il volto umano sia un oggetto rigido, mentre questo è un assunto generalmente falso: i cambi di espressione deformano il volto, che non risulta mai in una posa perfettamente neutra. Siamo quindi partiti dal metodo in (Bronstein et al. 2005) per la costruzione di modelli invarianti per isometrie (e quindi per cambi di espressione) e abbiamo apportato delle modifiche per rendere il metodo più efficace ed efficiente. Infine, abbiamo validato i risultati del metodo 3D da noi sviluppato confrontandoli con le prestazioni di COGNITEC, noto sistema commerciale per il riconoscimento facciale. 2
3 3. Materiali e Metodi 3.1: Creazione del database Un database di modelli 3D di volti umani è stato acquisito mediante l impiego del Non-contact 3D digitizer VIVID 910 della Konica-Minolta, in dotazione all IMATI-CNR di Genova. Si tratta di uno scanner tridimensionale che usa come metodo di scansione uno specchio galvanometrico ad alta precisione. E stata definita una configurazione standard dei parametri della macchina da utilizzare per le acquisizioni, in modo da ottenere dati omogenei dal punto di vista della qualità e della modalità di acquisizione, e da rispettare alcuni requisiti specifici. Si richiede infatti che l'acquisizione dei dati avvenga mediante un'unica scansione; la distanza di scansione sia intorno ai 60 cm (tra 50 e 100 cm); l'output prodotto presenti almeno 100 punti/pixel per distanza interpupillare; l'output offra la massima qualità possibile compatibile con le richieste precedenti. Pertanto è stato deciso di utilizzare l'ottica MIDDLE (f=14mm) a una distanza di circa 80 cm dal soggetto e di applicare come unico filtro sui dati il cosiddetto Fill holes. La sperimentazione prevede l'analisi di modelli di volto con caratteristiche eterogenee dal punto di vista dei problemi tipici del riconoscimento facciale. A questo scopo, i soggetti sono stati acquisiti in differenti pose, espressioni e condizioni di illuminazione, e a distanza di intervalli di tempo, in modo da simulare specifici scenari e testare i limiti ed i pregi dei metodi di analisi impiegati. Sono state quindi effettuate varie sessioni di acquisizione, ed è stato costruito un database da utilizzare nella fase di testing. Ciascuna scansione ha richiesto 2.5 secondi per soggetto, per ottenere immagini 640x480; è prevista la collaborazione del soggetto. In una prima sessione di scansioni, è stato costruito un set S 1 che ha coinvolto 8 persone, per ciascuna delle quali sono state considerate 4 diverse pose (per un totale di 32 modelli). Le pose prevedono una rotazione della testa di 45 gradi. In particolare, per ciascun soggetto sono state scansionate le seguenti 4 pose: o posa frontale, espressione neutra; o volto rivolto verso l'alto (max 15 gradi), espressione neutra; o volto rivolto verso il basso (max 15 gradi), espressione neutra; o volto rivolto verso destra (max 15 gradi), espressione neutra. Questa prima sessione di scansioni fornisce un primo campione rappresentativo di situazioni che possono verificarsi nello scenario applicativo di interesse, legato al controllo degli accessi in aree riservate. Per simulare poi ulteriori situazioni che possono presentarsi in situazioni reali, abbiamo costruito un secondo set di modelli S 2, in cui intervengono condizioni avverse al riconoscimento, sia con tecniche 2D che 3D. In particolare, abbiamo scansionato le stesse 8 persone del set S 1, ma con 5 diverse pose che includono sia espressioni differenti (problema riconosciuto in letteratura per i metodi 3D) sia condizioni di illuminazione estreme (che possono creare problemi a tecniche 2D). Le caratteristiche del set S 2 sono quindi le seguenti: o posa frontale, espressione neutra, illuminazione centrale + laterale; o posa frontale, occhi rivolti verso il basso, illuminazione centrale + laterale; o posa frontale, sorriso, illuminazione centrale + laterale; o posa frontale, espressione a scelta del soggetto (non neutra), illuminazione centrale + laterale; o posa frontale, espressione neutra, illuminazione fortemente laterale. Il dataset S utilizzato per la sperimentazione finale è costituito dall'unione di S 1 e S 2, per un totale di 72 modelli (8 soggetti in 9 pose differenti). Oltre alle variabili discusse in precedenza (variazioni di posa, espressione, illuminazione), l'aver acquisito modelli degli stessi soggetti in due diversi momenti permette di simulare anche lo scenario in cui il riconoscimento deve avvenire a distanza di tempo, cioè tra un volto appena acquisito e quello memorizzato in precedenza in un database. Per ciascun soggetto in S sono stati memorizzati nel database sia l immagine 2D sia il modello 3D. Un esempio è mostrato in Figura 1. 3
4 Figura 1 I dati grezzi generati dallo scanner laser consistono in matrici di punti 640x480. Ad ogni punto corrisponde una tripla di coordinate (x,y,z) ed un colore. In altre parole, la matrice consiste nella fusione tra i dati spaziali e una tessitura. I dati grezzi generati dallo scanner (file di formato proprietario cdm) sono stati quindi elaborati al fine di produrre una triangolazione rappresentante la superficie del volto. A questo scopo è stato implementato il software cam2trimesh. Cam2trimesh carica il file cdm e costruisce una triangolazione di Delaunay nel piano dei punti validi dell'immagine, ossia dei pixel a cui corrisponde una distanza rilevata con successo. Successivamente, i vertici della triangolazione vengono riportati nelle loro posizioni originali e si genera pertanto un modello 2.5D. In questo modo le regioni in cui non e' stato possibile acquisire dati validi (per luce riflessa, capelli, o quant'altro) sono riempite con triangoli che interpolano linearmente i dati validi. Chiaramente, questa soluzione produce dati artificiosi, qualora la posa del volto sia molto diversa da quella frontale. Cam2trimesh permette anche di specificare una finestra di dati da utilizzare per la creazione della triangolazione. Questa possibilità può essere sfruttata al fine di inquadrare il volto, e quindi di tagliare fuori eventuali porzioni di busto o di parete. Il riconoscimento 3D impone requisiti particolari relativamente alle superfici poligonali dei volti da confrontare, ovvero continuità, bordo non frastagliato, posa frontale. E' stato perciò necessario sviluppare un sistema per l'elaborazione delle triangolazioni grezze al fine di estrarre un modello del volto tipo maschera con le caratteristiche sopra elencate. A questo scopo è stato adattato un software chiamato "posenormalizer" (Ter Haar et al. 2007) sviluppato da Frank Ter Haar dell'università di Utrecht (Olanda) per la cosiddetta pose normalization dei volti 3D, ossia per il calcolo di una matrice di trasformazione che porti il volto ad essere rivolto verso la direzione Z del proprio sistema di coordinate. La matrice calcolata, inoltre, induce una traslazione del modello in modo che la punta del naso sia posizionata nell'origine. Il calcolo della matrice è completamente automatico ed è basato sul metodo best-fitting rispetto a un modello di volto universale (Blanz et al. 2005) prodotto da Volker Blanz del Max Plank Institut fur Informatik (Germania). Potendo assumere la posa frontale del soggetto, è stato possibile implementare un ulteriore software chiamato geocrop per la conversione di triangolazioni grezze in maschere da utilizzare per il confronto 3D-3D. Geocrop carica la triangolazione e la matrice di rototraslazione prodotta con il software precedentemente descritto. Dopo aver trasformato la triangolazione in input in base alla matrice, essa viene ritagliata attraverso una circonferenza geodetica centrata sulla punta del naso e di raggio pari a 10 cm. Sulla superficie ritagliata viene effettuata una riduzione del rumore tramite filtraggio Laplaciano. Il software per la preparazione dei dati è stato realizzato su piattaforma MS Windows, in ambiente Visual C Express Edition, facendo uso delle SDK rilasciate da Konica-Minolta per il trattamento dei file generati dallo scanner e delle API JMeshLib ( e trimesh2 ( per il trattamento delle triangolazioni. Le diverse fasi di preparazione dei dati sono illustrate in Figura 2: dalla nuvola di punti alla triangolazione (1), al modello in posa frontale (2), alla maschera finale (3). 4
5 Figura 2 3.2: Descrizione e confronto di modelli di volti 3D Il problema della descrizione e confronto di volti 3D soggetti a deformazioni per cambi di espressione è affrontato in (Elbaz et al. 2003, Bronstein et al. 2005). L idea alla base del metodo è quella di generare, a partire da un modello facciale originale, un nuovo modello che sia invariante rispetto alle espressioni. L ipotesi è che la distanza geodetica (cioè la lunghezza del cammino più breve tra due punti sulla superficie del volto) tra punti del viso rimane pressoché invariata nei cambi di espressione. Il nuovo modello è quindi generato tramite un'immersione regolare isometrica della superficie nello spazio euclideo, basata sul calcolo delle distanze geodetiche tra punti del volto e su un algoritmo MDS (Multi-Dimensional Scaling). In sintesi, gli algoritmi MDS prendono in input una matrice di distanze tra oggetti, e calcolano delle nuove coordinate per gli oggetti in uno spazio euclideo, tali che le distanze euclidee tra i nuovi punti approssimino in maniera ottimale le distanze originali tra gli oggetti. Nel nostro caso, a partire da una matrice di distanze geodetiche fra punti del volto, si crea un nuovo modello nello spazio euclideo tridimensionale (immersione regolare), tale che le distanze euclidee tra i punti dell immersione approssimano in maniera ottimale le distanze geodetiche tra i punti originali. Poiché i cambi di espressione non modificano le distanze geodetiche, modelli dello stesso volto con diverse espressioni forniranno pressoché lo stesso input all algoritmo MDS, che quindi restituirà immersioni pressoché uguali nello spazio euclideo. Questo permette di utilizzare metodi di confronto pensati per oggetti rigidi per confrontare modelli soggetti a deformazioni come quelle indotte dalle espressioni. La Figura 3 mostra un volto con tre espressioni differenti e le immersioni corrispondenti. Figura 3 La costruzione dell'immersione isometrica prevede quindi due passi principali: o semplificazione uniforme del modello M in input a k punti, e calcolo della matrice kxk G delle distanze geodetiche tra i k punti: G = (g ij ) i,j=1,,k con g ij la distanza geodetica tra i punti p i, p j di M; o calcolo dell immersione E di M tramite MDS, partendo dalla coppia (M,G) e utilizzando uno schema iterativo rapido. Rispetto allo stato dell'arte ed implementazioni sia commerciali che freeware, il modulo da noi proposto include come elementi distintivi: o due metodi per il calcolo delle distanze geodetiche: algoritmo di Dijkstra (Dijkstra 1959) e fast marching (Sethian 1996); o il calcolo ottimale del MDS, dove le matrici impiegate e le relative fattorizzazioni sono precalcolate formalmente una sola volta ed utilizzate per l'intero database di modelli; supponendo di utilizzare k punti per il calcolo dell'immersione di ciascun modello, il modulo utilizza O(k 2 ) occupazioni di memoria per l'intero database, indipendentemente dal numero dei suoi elementi, e O(k) per ciascun confronto. 5
6 A dispetto dell accuratezza e del dettaglio delle fasi di acquisizione, processing e immersione, in (Elbaz et al. 2003) la fase di confronto riceve scarsa attenzione: gli autori sostengono che qualsiasi metodo di confronto tra oggetti rigidi possa funzionare, ad esempio i momenti geometrici in (Elad et al. 2001). Questa scelta contrasta con l idea che c è in letteratura che i momenti geometrici siano instabili e poco discriminanti; gli esperimenti da noi effettuati confermano questa ipotesi. La nostra idea è che la parte valida e interessante del metodo basato su MDS sia appunto la costruzione dell'immersione isometrica, che permette di gestire i cambiamenti del volto dovuti a cambi di espressione più o meno visibili; al contrario la parte relativa al confronto di tali immersioni con momenti geometrici non sembra essere particolarmente robusta, oltre che poco dettagliata. La soluzione da noi trovata è quella di utilizzare le immersioni come input per il calcolo di un descrittore più robusto: abbiamo quindi scelto le Spherical Harmonics (SH), da calcolare direttamente sulle immersioni, in modo da combinare i vantaggi di entrambe le tecniche. Il calcolo delle SH segue la descrizione originale in (Kazhdan et al. 2003) e utilizza l implementazione disponibile sul sito Il descrittore consiste in un vettore di coefficienti, che corrispondono alle frequenze armoniche di funzioni sferiche definite sul modello. In dettaglio, si considera un insieme di sfere concentriche centrate nel baricentro del modello, e su ciascuna sfera si definisce una funzione reale. Ad ogni funzione viene associato un vettore di numeri reali, che rappresentano i coefficienti della decomposizione in armoniche sferiche della funzione. L insieme dei vettori per ciascuna sfera dà luogo ad una matrice bi-dimensionale di numeri reali, i cui elementi sono indicizzati dal raggio della sfera e dalla frequenza. Il calcolo delle SH può essere riassunto nei seguenti punti: o il baricentro del modello viene traslato nell'origine del sistema di riferimento del modello, che viene scalato rispetto alla distanza media dei punti dal baricentro; o il modello viene campionato inserendolo in una griglia tridimensionale; la griglia viene decomposta in un insieme di sfere concentriche di raggio r variabile; o ad ogni elemento della griglia viene associato il valore 1 se l'elemento interseca la superficie del modello e 0 se l'elemento è vuoto; o per ciascuna sfera, i valori associati alla griglia definiscono una funzione sferica f r ; si ottiene quindi un insieme di funzioni sferiche, indicizzate dal raggio r della sfera corrispondente; o ogni funzione f r può essere decomposta in armoniche sferiche, cioè espressa come somma di differenti frequenze; i coefficienti associati alle corrispondenti frequenze danno luogo ad un vettore v r ; o l insieme dei vettori v r associati ciascuna sfera dà luogo ad una matrice V. La distanza tra due immersioni E 1, E 2 si calcola quindi come la norma L 2 tra le matrici V 1, V 2 associate ai due modelli. 4. Risultati In questa sezione vengono presentati i risultati ottenuti nell'ambito del riconoscimento facciale dal metodo di confronto 3D descritto nella sezione precedente. Tali risultati sono confrontati con quelli ottenuti dal software COGNITEC a disposizione di Elsag, impiegato in due diverse modalità: la prima utilizza esclusivamente dati di tipo 2D, cioè le immagini dei volti, mentre la seconda impiega sia il dato 2D sia il dato 3D ottenuto dalle scansioni. Il set S di dati utilizzato è composto da 72 facce (8 individui in 9 pose differenti), come descritto nella Sezione 3.1. Durante la fase sperimentale è stato però osservato che il software COGNITEC non è riuscito a processare 4 immagini, mostrate in Figura 4, probabilmente poiché non è riuscito ad individuare le pupille dei soggetti nella foto. Tali immagini sono quindi state rimosse dal database, insieme con i corrispondenti dati 3D. I dati riportati in seguito si riferiscono quindi ad un database con un totale di 68 facce, in cui 4 degli 8 individui sono presenti con 9 diverse pose, mentre i restanti 4 con 8 pose. 6
7 Figura 4 Per ciascun metodo, è stata costruita una matrice di dissimilarità, in cui all'entrata (i,j) corrisponde la valutazione della differenza tra la i-esima e la j-esima faccia. La valutazione della performance è basata sull'analisi del grafico precision-recall, che mostra la precisione standard (riportata in ordinata) rispetto alla funzione recall standard (riportata in ascissa). La precisione rappresenta la percentuale di elementi rilevanti (veri positivi) tra gli elementi restituiti dal sistema, mentre la funzione recall rappresenta la percentuale di elementi rilevanti (veri positivi) restituiti dal sistema sul totale dei rilevanti. Questi parametri descrivono quindi l'abilità di un metodo nell'identificare i modelli rilevanti (nel nostro caso le facce di uno stesso individuo in diverse pose o acquisizioni) e allo stesso tempo ridurre i falsi positivi. Osserviamo che a performance migliori corrispondono linee del grafico spostate verso l'alto e verso destra. Il grafico in Figura 5 riporta i risultati ottenuti dal software COGNITEC nelle due modalità 2D e 2D+3D, e le curve relative alle SH calcolate sui modelli originali, sui modelli semplificati a 2000 vertici, e sulle immersioni ottenute tramite MDS. Figura 5 Si può osservare che, sul database considerato, l'aggiunta dell'informazione 3D permette a COGNITEC di ottenere risultati migliori rispetto all'utilizzo esclusivo dell'informazione 2D. La sperimentazione delle SH su modelli con ordini di grandezza diversi per il numero dei vertici è volta a verificare l'eventuale degrado delle performance al variare della risoluzione del modello, per cercare il miglior compromesso possibile tra risultati e tempi di calcolo. Le prestazioni delle SH sui modelli originali e sui modelli semplificati sono molto simili, a conferma della robustezza del metodo rispetto alla risoluzione e al livello di dettaglio del modello. Il risultato migliore è ottenuto calcolando le SH sulle immersioni isometriche. Tali immersioni sono infatti costruite per ottenere invarianza rispetto a deformazioni del volto, dai piccoli movimenti dei muscoli facciali è noto che la posa del volto non è mai perfettamente neutra (Bronstein et al. 2005) ai cambi di espressione più evidenti. L'utilizzo combinato di un input invariante e di un metodo di confronto efficace permette quindi di avere le prestazioni migliori. La Tabella 1 mostra il Verification Rate versus 0.1% Acceptance Rate. 7
8 Tabella 1 COGNITEC 2D COGNITEC 2D+3D SH embedded VR: 67.6% 88.1% 91.6% 5. Conclusioni Dall analisi dei dati, emerge l idea che il riconoscimento facciale 2D sia ormai maturo per garantire ottimi risultati in condizioni controllate, ma abbia dei limiti intrinseci, legati alla perdita di informazione nel passaggio da dati 3D a immagini 2D, ma soprattutto alle condizioni di acquisizione delle immagini dei volti. Si è visto ad esempio che condizioni avverse di illuminazione compromettono le performance di metodi basati su immagini, fino alla totale mancanza di una risposta da parte del sistema. L analisi del dato 3D ha buone potenzialità per sopperire ai fallimenti dell analisi 2D dovuti al gap sensoriale, poiché dispone di informazioni più complete. Bisogna comunque notare che, se il riconoscimento di volti da immagini ha una lunga storia e una vasta letteratura disponibile, è solo da pochi anni che si è iniziato ad esplorare l utilizzo di tecniche di riconoscimento 3D. Questo vuol dire che c è spazio per miglioramenti, legati sia all efficienza che all efficacia di tali tecniche. In prospettiva, sistemi integrati 2D+3D promettono un sensibile miglioramento nelle procedure di verifica automatica dell identità per il controllo degli accessi. L affidabilità sarà infatti maggiore in caso di condizioni ambientali avverse al riconoscimento o in caso di utenti non collaborativi o intenzionati ad ingannare i sistemi. L impatto della ricerca sarà tanto maggiore quanto più le nuove metodologie di riconoscimento saranno supportate da avanzamenti nei sistemi di acquisizione dei dati, con sensori accurati, rapidi, e sicuri, e nei sistemi di protezione dei template biometrici. Referenze Blanz V.; Scherbaum K.; Seidel H.-P. Fitting a Morphable Model to 3D Scans of Faces. Proc. Int. Conf. on Computer Vision ICCV, Bowyer K.W.; Chang K.; Flynn P. A survey of approaches and challenges in 3D and multi-modal 3D+2D face recognition. Computer Vision and Image Understanding, (1) Bronstein A.M.; Bronstein M.M.; Kimmel.R. Three-dimensional face recognition. International Journal of Computer Vision, (1) Busch C.; Nouak A. 3D face recognition for unattended border control. Security and Management, 2008, , CSREA Press. Dijkstra E.W.. A note on two problems in connection with graphs. Numerical Mathematics, (1) Elad M.; Tal A.; Ar S. Content based retrieval of VRML objects - An iterative and interactive approach. EG Multimedia, 2001, Giorgi D.; Attene,M.; Patanè G.; Marini S.; Pizzi C.; Biasotti S.; Spagnuolo M; Falcidieno B.; Corvi M.; Usai L.; Roncarolo L.; Garibotto G. A critical assessment of 2D and 3D face recognition algorithms. 6th IEEE International Conference on Advanced Video and Signal Based Surveillance, 2009 Kazhdan M; Funkhouser T.; Rusinkiewicz S. Rotation invariant spherical harmonic representation of 3D shape descriptors. Proc. EG Symposium on Geometry Processing, 2003, Elbaz A.E.; Kimmel R. On bending invariant signatures for surfaces. IEEE Trans. on PAMI, (10) Razdan A.; Farin G.; Soo-Bae M.; Chaudhari M. State of 3D face biometrics for homeland security applications. Handbooks in Information Systems, 2007, Vol. 2. Sethian J.A. A Fast Marching Level Set Method for Monotonically Advancing Fronts. Proc. Nat. Acad. Sci., (4) Ter Haar F.B.; Veltkamp R.C. A 3D Face Matching Framework. Technical Report UU-CS Ringraziamenti: lavoro parzialmente supportato dal progetto EU FP7 FOCUS K3D e dal contratto di ricerca tra Elsag e IMATI-CNR (Ge) su Multitrust: multi-biometry for applications to security. 8
Riconoscimento di volti con tecniche 3D per controlli di sicurezza
Riconoscimento di volti con tecniche 3D per controlli di sicurezza D.Giorgi, M.Attene, G. Patanè, S. Marini, C. Pizzi, S. Biasotti, M. Spagnuolo, B. Falcidieno Istituto di Matematica Applicata e Tecnologie
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Correlatore: Ing. Andrea Claudi
Corso di Laurea Specialistica in Ingegneria Informatica Candidato: Gianluca Dolcini Relatore: Prof. Aldo Franco Dragoni Correlatore: Ing. Andrea Claudi Scenario: identificazione di volti per monitoraggio
DettagliStudio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
Dipartimento di Elettronica e Telecomunicazioni Università di Firenze Laboratorio Comunicazioni & Immagini Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
Dettagli/05/2013 Riconoscimento facciale 1
I Sistemi Biometrici: riconoscimento del volto Michele Nappi, Ph.D Università degli Studi di Salerno mnappi@unisa.it biplab.unisa.it it 089-963334963334 24/05/2013 Riconoscimento facciale 1 Perché il volto
DettagliLa visione 3D, una nuova dimensione per la qualità Marco Catizone Sick
La visione 3D, una nuova dimensione per la qualità Marco Catizone Sick Sottogruppo Sistemi di Visione Introduzione I sistemi di visione nell ultimo decennio, si sono evoluti nelle prestazioni e nelle funzionalità.
DettagliModelli Digitali del Terreno (DTM)
Modelli Digitali del Terreno (DTM) Rappresentazione digitale del terreno, adatta all elaborazione automatica con il calcolatore Descrizione numerica dell andamento altimetrico del terreno Insieme di coordinate
DettagliUniversità degli studi di Genova
Università degli studi di Genova Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Tesi di laurea METODOLOGIE DI INDIVIDUAZIONE DELLA ZONA DELL OTTIMO NELLA SIMULAZIONE DISCRETA E STOCASTICA
DettagliCorso di perfezionamento in Geomatica per la conservazione dei beni culturali SCANSIONI 3D_allineamento 1
Sistemi a scansione per l architettura e il territorio,, Alinea, 2007. Corso di perfezionamento in Geomatica per la conservazione dei beni culturali info@geomaticaeconservazione.it SCANSIONI 3D_allineamento
Dettagli1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7
INDICE 1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7 1.1 - INTRODUZIONE...7 1.2 - EVOLUZIONE DEI SISTEMI DI VIDEOSORVEGLIANZA...10 1.2.1 - Sistemi di videosorveglianza di prima generazione (first-generation
DettagliIntroduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico 1 / 14 Calcolo Scientifico Insieme degli
DettagliLow Level Vision: Trasformata di Hough
Low Level Vision: Trasformata di Hough Prof Sebastiano Battiato Rilevamento di linee Le linee sono feature importanti perché permettono di definire analiticamente o approssimare molte forme (in particolare
Dettagli/05/2014 Riconoscimento facciale 1
I Sistemi Biometrici: riconoscimento del volto Michele Nappi, Ph.D Università degli Studi di Salerno mnappi@unisa.it biplab.unisa.it it 089-963334963334 13/05/2014 Riconoscimento facciale 1 Perché il volto
DettagliFotogrammetria digitale: sistemi multi-immagine e "fotomodellazione"
Università IUAV di Venezia Laboratorio di Fotogrammetria Elena Fratus de Balestrini Fotogrammetria digitale: sistemi multi-immagine e "fotomodellazione" RILIEVO E FOTOGRAMMETRIA > RILIEVO: strumento fondamentale
DettagliUna caratteristica biometrica
di Giacomo Spigoli Una caratteristica biometrica è strettamente legata all'individuo, non può essere persa, dimenticata, duplicata o comunque compromessa come può succedere con PIN, smartcard e password.
DettagliIL BACKUP DEI DATI backup restore
IL BACKUP DEI DATI Il backup è l operazione che permette di creare una copia di sicurezza dei dati del sistema informatico su supporti di memorizzazione esterni al computer. Esso viene eseguito per poter
DettagliBiometric4Net. Stato del progetto e roadmap futura. Andrea Spadaccini Secondo Borsisti Day, Roma,
Biometric4Net Stato del progetto e roadmap futura Sommario Motivazione ed obiettivi Stato del progetto Architettura del sistema Front-end Comunicazione client/server Back-end Sistemi biometrici utilizzati
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
DettagliServizio clienti di alto livello
Servizio clienti di alto livello boschsecurity.com/instoreanalytics In-Store Analytics Operations Module Un servizio clienti eccellente permette al negozio di distinguersi e di migliorare le vendite e
DettagliMETODOLOGIA DI ANALISI E MODELLO DI CLASSIFICAZIONE
METODOLOGIA DI ANALISI E MODELLO DI CLASSIFICAZIONE DELLA SICUREZZA NEI SISTEMI INFORMATIVI SANITARI SECONDO UN APPROCCIO DI HEALTH TECHNOLOGY ASSESSMENT 02.05.2017 - Ver 1.0 1 Il sistema informativo è
Dettagli13 Esercizi di Riepilogo
13.1 Esercizi Esercizio 13.1 Si consideri una versione semplificata della battaglia navale in cui le navi possono essere posizionate solo in orizzontale e ogni riga può contenere al massimo una nave. Il
DettagliRicerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliFACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009. Corso VISIONE E PERCEZIONE. Docente. Prof. FIORA PIRRI. Tutor MATIA PIZZOLI
FACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009 Corso VISIONE E PERCEZIONE Docente Prof. FIORA PIRRI Tutor MATIA PIZZOLI MAPPA DI DISPARITA Studente Redjan Shabani (1013173) 0 Definizione di
DettagliUNIVERSITÀ DI PISA. Facoltà di Ingegneria Corso di laurea in Ingegneria Meccanica Tesi di laurea. TITOLO della TESI. Candidato Massimiliano Mannozzi
UNIVERSITÀ DI PISA Facoltà di Ingegneria Corso di laurea in Ingegneria Meccanica Tesi di laurea TITOLO della TESI Sviluppo di una metodologia per la gestione dei processi multiscansione in applicazioni
DettagliSensori 3D. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Sensori 3D Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Map representations Point cloud Elevation map Multi-level Surface map Octree (occupancy grid) 2 from Wurm et al., OctoMap:
DettagliUna Libreria di Algebra Lineare per il Calcolo Scientifico
Una Libreria di Algebra Lineare per il Calcolo Scientifico Introduzione Il Lavoro di Tesi Introduzione al Metodo Ridurre l Occupazione di Memoria Metodo di Memorizzazione degli Elementi Risultati Attesi
DettagliGiornata ANIPLA presso il SAVE. Sistemi di Visione Artificiale nei Processi Industriali. 24 ottobre 2012
Giornata ANIPLA presso il SAVE Sistemi di Visione Artificiale nei Processi Industriali 24 ottobre 2012 Guida robot 3D... Un sistema di guida robot 3D determina posizioni e pose, a priori incognite, di
DettagliEsempio di autenticazione non convenzionale: la biometria
Esempio di autenticazione non convenzionale: la biometria Biometria Introduzione Vantaggi-svantaggi Riconoscimento dell iride Impronte digitali Conclusioni Introduzione (1) Misure di caratteristiche biologiche
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti DOCENTI Agostino
Dettaglila dimensione massima dell arena è di 30x30 m la dimensione massima dei marker è di 50x50 cm la dimensione minima dei marker è di 20x20 cm
Il seguente documento formalizza le regole del contest Drone Vision Cup 2015, ideato e promosso dal MIVIA Lab, Laboratorio di Macchine Intelligenti per il riconoscimento di Immagini, Video e Audio, nell
DettagliCAPITOLO 5. Stima della frequenza dei segnali dovuta al 40 K
CAPITOLO 5 Stima della frequenza dei segnali dovuta al 40 K 5.1 Simulazione dei segnali registrabili con i fotomoltiplicatori. Nei capitoli precedenti, dopo aver illustrato brevemente la motivazione per
DettagliESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calibrazione intrinseca Spesso risulta utile calibrare la sola componente intrinseca di un sistema di visione (matrice K), e non si dispone di oggetti di forma
DettagliQUANTIZZATORE VETTORIALE
QUANTIZZATORE VETTORIALE Introduzione Nel campo delle reti neurali, la scelta del numero di nodi nascosti da usare per un determinato compito non è sempre semplice. Per tale scelta potrebbe venirci in
DettagliPROCEDURE DI CALCOLO DELLA COMBINAZIONE DEGLI INERTI REALI
PROCEDURE DI CALCOLO DELLA COMBINAZIONE DEGLI INERTI REALI Non esistono già disponibili in natura materiali lapidei con distribuzione granulometrica eguale a quella ideale richiesta per un inerte da destinare
DettagliSOMMARIO HIERARCHICAL HOUGH FINGERPRINT MATCHING. Introduzione. HHT (Hierarchical Hough Transform) Prestazioni. Libreria Performance del BioLab
HIERARCHICAL HOUGH TRANSFORM FOR FINGERPRINT MATCHING A cura di Claudio Curzi 0000321770 SOMMARIO Introduzione HHT (Hierarchical Hough Transform) Prestazioni Libreria Performance del BioLab 1 INTRODUZIONE
DettagliCorso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
DettagliFiltraggio. Stefano Ferrari. Università degli Studi di Milano Tecniche di calcolo e sistemi operativi e informatica
Filtraggio Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Tecniche di calcolo e sistemi operativi e informatica anno accademico 2017 2018 Filtraggio Il termine filtraggio fa
DettagliGEOGRAPHICAL INFORMATION SYSTEM PER L ANALISI AMBIENTALE. Nicola Gilio. Dott. Nicola Gilio
Nicola Nicola Gilio Gili GEOGRAPHICAL INFORMATION SYSTEM PER L ANALISI AMBIENTALE Dott. Nicola Gilio Un sistema informatizzato in grado di immagazzinare dati descrittivi della superficie terrestre Definizioni
DettagliII Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
DettagliVideo Analysis (cenni) Annalisa Franco
1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono
DettagliNumeri interi. Laboratorio di Calcolo Paola Gallo
Numeri interi Alfabeto binario anche il segno può essere rappresentato da 0 o 1 è indispensabile indicare il numero k di bit utilizzati Modulo Modulo e segno 1 bit di segno (0 positivo, 1 negativo) k 1
Dettagli12 Function Handles e Ricorsione in MATLAB
1 Function Handles e Ricorsione in MATLAB Un function handle è una variabile il cui valore è una funzione. Data una funzione esistente, il suo function handle è dichiarato come handle = @nome dove nome
DettagliCorrettezza (prima parte)
Fondamenti di informatica Oggetti e Java (prima parte) Capitolo 16 ottobre 2015 1 Contenuti Introduzione alla correttezza dei programmi specifica di un programma correttezza di un programma verifica di
DettagliUTILIZZO DELL ANALISI DELLE COMPONENTI PRINCIPALI (PCA) DI DATI HVSR FINALIZZATO ALLA ZONAZIONE SISMICA
UTILIZZO DELL ANALISI DELLE COMPONENTI PRINCIPALI (PCA) DI DATI HVSR FINALIZZATO ALLA ZONAZIONE SISMICA Terremoto de L Aquila, 2009 Gallipoli et al., 2011 Lo scopo di questo lavoro è quello di indagare
DettagliIl contrasto. La percezione del contrasto. Contrasto e filling-in. Il contrasto simultaneo. Le distribuzioni di luminanza (ii)
20 Aprile 2006 Corso di Laurea in Informatica Multimediale Facoltà di Scienze MMFFNN Università di Verona Il contrasto La percezione del contrasto Chiara Della Libera DSNV Università di Verona Sezione
DettagliUn estensione del concetto di landmark
Un estensione del concetto di landmark Finora, abbiamo considerato landmark che usano particolari tipi di energia (lampade, laser, radio, ecc.) Finora, abbiamo considerato i landmark come se fossero puntiformi,
Dettaglisimulazioni fluidodinamiche di scambiatori a pacco alettato
u efficienza energetica u simulazioni fluidodinamiche di scambiatori a pacco alettato Matteo Totaro, Luca Cogo Ufficio tecnico Aermec, Bevilacqua (VR) Gli scambiatori a pacco alettato rivestono un ruolo
DettagliCALCOLO DEI VOLUMI DI STERRO E RIPORTO
CALCOLO DEI VOLUMI DI STERRO E RIPORTO http://www.geodis-ale.com/ita/ 1. Premessa Il programma software ALE Advanced Land Editor esegue il calcolo dei volumi di scavo e rinterro su un'area circoscritta
DettagliComputer Graphics. Digital representation of 3D objects. 3D Rendering. Scena 3D rendering image. Marco Tarini - univ insubria AA 2016/2017
Computer Graphics Digital representation of 3D objects Università dell Insubria Facoltà di Scienze MFN di Varese Corso di Laurea in Informatica Anno Accademico 2016/17 Marco Tarini 3D Rendering Scena 3D
DettagliIntroduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Corso di Analisi Numerica, a.a. 2006/2007 Francesca Mazzia Dipartimento di Matematica Università di Bari 16 Ottobre 2006 Francesca Mazzia (Univ. Bari) Introduzione al
DettagliIntroduzione a Matlab
Introduzione a Matlab Skin Detection & Iris Normalization Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Estrazione dei Contorni 1 Skin Detection - Introduzione Il processo di skin detection
DettagliRiconoscimento automatico di oggetti (Pattern Recognition)
Riconoscimento automatico di oggetti (Pattern Recognition) Scopo: definire un sistema per riconoscere automaticamente un oggetto data la descrizione di un oggetto che può appartenere ad una tra N classi
DettagliOPK Suite. Menci Software. Caratteristiche generali. febbraio 2015
Menci Software OPK Suite febbraio 2015 La suite OPK è un set di software per GIS e cartografia aerea dedicati al processamento di immagini large format acquisite con camere aeree o satelliti. OPK garantisce
DettagliInterpretazione di down-hole con metodo di inversione. 1/8
Interpretazione di down-hole con metodo di inversione "Software sviluppato in LabVIEW per gestire l'acquisizione dei segnali (frequenza di campionamento, numero di punti di acquisizione, sensibilità );"
DettagliDeterminazione di DON in campioni di frumento duro mediante naso elettronico
Determinazione di DON in campioni di frumento duro mediante naso elettronico Selezione dei campioni Della totalità dei campioni analizzati sono stati selezionati 105 campioni da utilizzare per l addestramento
DettagliImplementazione degli algoritmi.
Implementazione degli algoritmi. 4.1. Introduzione. In questo capitolo sarà discussa l implementazione software per l ambiente MATLAB 6.1 che è stata fatta degli algoritmi di identificazione presentati
DettagliStudio di rette sghembe
Studio di rette sghembe V. Alberini, M. Buzzi, L. Cantoni, L. Grignaffini, G. Montis, G. Palù gennaio 17 Problema Stabilisci se le due rette r e s di equazioni: x = 1 + t x = r : y = t e s : z = z = t
DettagliCALCOLO DEI VOLUMI DI STERRO E RIPORTO
CALCOLO DEI VOLUMI DI STERRO E RIPORTO www.geodis.it Silvia Tutone 1. Premessa Il programma software Ale Advanced Land Editor esegue il calcolo dei volumi di scavo e rinterro su un'area circoscritta in
DettagliBassorilievi e pitture nell antico Egitto
Bassorilievi e pitture nell antico Egitto 1. Paletta di Narmer. Circa 3100 a.c. Particolare. La rappresentazione figurativa egizia è sostanzialmente legata alla struttura della scrittura geroglifica. Questa
DettagliSTA II ANNO: AA Ecologia e Fondamenti dei. Sistemi. Ecologici Introduzione ai. Sistemi. Informativi Geografici. Lezione del
STA II ANNO: AA 2016-2017 Ecologia e Fondamenti dei Sistemi Ecologici Introduzione ai Sistemi Informativi Geografici Lezione del 29.05.2017 GIS: INTRODUZIONE Sistemi Informativi (S.I.) Nelle scienze territoriali
DettagliLa composizione di isometrie
La composizione di isometrie Quello che è più interessante in una trasformazione geometrica è studiare quali effetti ha sulle figure e soprattutto valutare quali proprietà delle figure di partenza si conservano
DettagliStima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman
Incontro CIRA 21 Lecce, 12 14 Settembre 21 Stima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman Fabrizio CACCAVALE Vincenzo LIPPIELLO Bruno SICILIANO Luigi VILLANI
DettagliStatistica Sociale - modulo A
Statistica Sociale - modulo A e-mail: stella.iezzi@uniroma2.it in Excel in Excel e un evento (soggetto, entita, accadimento, caratteristica) osservato e registrato che si differenzia dall evento stesso,
DettagliSVILUPPO DI TECNICHE DI MISURA PER L ISPEZIONE DI COMPONENTI AEROSPAZIALI
UNIVERSITA DEGLI STUDI DI PADOVA Centro Interdipartimentale di Studi e Attività Spaziali «G. Colombo» Scuola di Dottorato in Scienze Tecnologie e Misure Spaziali (STMS) Curriculum: Misure Meccaniche per
DettagliInformazione binaria:
Informazione binaria: Codici di compressione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Una soluzione per le immagini: la tavolozza (palette) Spesso
DettagliUNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Algoritmi
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Algoritmi Algoritmi classici Alcuni problemi si presentano con elevata frequenza e sono stati ampiamente studiati Ricerca di un elemento in un vettore
DettagliA DISTANCE AHEAD LED SCANNER MULTIRAGGIO R2100
A DISTANCE AHEAD LED SCANNER MULTIRAGGIO R2100 Tecnologia Una nuova dimensione per la tec La tecnologia PRT (Pulse Ranging Technology) è una metodologia di misurazione innovativa di Pepperl+Fuchs, particolarmente
DettagliAIEA SESSIONE DI STUDIO
AIEA SESSIONE DI STUDIO Risk Assessment : l esperienza Ersel Tiziana Rossi TORINO 22 settembre 2005 Gruppo Gruppo ERSEL SIM Wealth management Gestioni patrimoniali Consulenza per investimenti Intermediazione
DettagliLezione 28 Ancora localizzazione 19 maggio
Robotica Robot Industriali e di Servizio Lezione 28: Ancora localizzazione Un estensione del concetto di landmark Finora, abbiamo considerato landmark che usano particolari tipi di energia (lampade, laser,
DettagliReti Neurali (Parte I)
Reti Neurali (Parte I) Corso di AA, anno 2017/18, Padova Fabio Aiolli 30 Ottobre 2017 Fabio Aiolli Reti Neurali (Parte I) 30 Ottobre 2017 1 / 15 Reti Neurali Artificiali: Generalità Due motivazioni diverse
DettagliProgetto di restauro del complesso monumentale della Fontana del Nettuno. Rilievo tridimensionale della fontana e degli ambienti sotterranei.
Progetto di restauro del complesso monumentale della Fontana del Nettuno Rilievo tridimensionale della fontana e degli ambienti sotterranei. Relazione a cura di: Prof. Ing. Gabriele Bitelli Bologna, 30/04/2016
DettagliSistemi di Elaborazione dell Informazione 170. Caso Non Separabile
Sistemi di Elaborazione dell Informazione 170 Caso Non Separabile La soluzione vista in precedenza per esempi non-linearmente separabili non garantisce usualmente buone prestazioni perchè un iperpiano
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo Sviluppo di programmi Per la costruzione di un programma
DettagliL'evoluzione della biblioteca digitale: dall'accesso alle risorse elettroniche alla creazione e alla cura dei dati
L'evoluzione della biblioteca digitale: dall'accesso alle risorse elettroniche alla creazione e alla cura dei dati Anna Maria Tammaro Conferenza IDEM Roma 8 maggio 2018 Biblioteca digitale - Visione ristretta
DettagliProgetto di Computer Vision: Plugin per imagej: Harry Corners Detection. Corso di laurea specialistica in Informatica.
Messina Mariagrazia Progetto di Computer Vision: Plugin per imagej: Harry Corners Detection Corso di laurea specialistica in Informatica. A.A. 2006-2007 Introduzione Il progetto realizzato consiste nell
DettagliTesi di Laurea TELECAMERA OMNIDIREZIONALE CON SENSORE RETINICO CMOS
Università degli Studi di Padova Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica TELECAMERA OMNIDIREZIONALE CON SENSORE RETINICO CMOS Relatore: Prof. Enrico Pagello 20 Dicembre 2004 Correlatore:
Dettagli18/05/2014. Università di Ferrara Corso di Ingegneria del Software AA 2013/2014
Università di Ferrara Corso di Ingegneria del Software AA 2013/2014 La misura come strumento scientifico Misure, metriche e indicatori Metriche del software Metriche per software orientato agli oggetti
DettagliAutorità per le Garanzie nelle Comunicazioni
Autorità per le Garanzie nelle Comunicazioni METODO PER IL RENDERING DEI DIAGRAMMI DI IRRADIAZIONE VERTICALI BASATO SUI DATI PREVISTI DALLE SPECIFICHE DI FORMATO DEL CATASTO AGCOM 1. Premessa Per calcolare
DettagliRiconoscimento Facciale DVR Guida Rapida
Riconoscimento Facciale DVR Guida Rapida Indice Introduzione...2 Scelta della camera...2 Settaggio dell angolo della camera...3 Angolo Orizzontale...3 Angolo Verticale...3 Distanza della camera e lunghezza
DettagliRUOLO DELLA MODELLAZIONE GEOMETRICA PARTE IN QUESTA LEZIONE E LIVELLI DI MODELLAZIONE. Prof. Daniele Regazzoni
RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Daniele Regazzoni... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell
DettagliKeypoint detector: Scale Invariant Feature Transform (SIFT)
Kepoint detector: Scale Invariant Feature Transform (SIFT) avid G. Lowe istintive Image Features from Scale-Invariants Kepoints International Journal of Computer Vision 004 Outline Cosa è SIFT Overview
DettagliProgramma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a Proff. B. Paternoster, D.
Programma del corso di: Laboratorio di Programmazione e Calcolo Corso di laurea in Matematica a.a.009-0 Proff. B. Paternoster, D. Conte Risoluzione di un problema con il calcolatore: dal problema reale
DettagliDaniele Biagi - Veronica Conti - Fabio Ferretti
Jong Wook Kim K. Selçuk Candan Gruppo 14: Daniele Biagi - Veronica Conti - Fabio Ferretti 2 Modello dei dati basato su parole chiave Contesto di ricerca dell utente Algoritmo in grado di utilizzare questi
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliRIDUZIONE DELLE DISTANZE
RIDUZIONE DELLE DISTANZE Il problema della riduzione delle distanze ad una determinata superficie di riferimento va analizzato nei suoi diversi aspetti in quanto, in relazione allo scopo della misura,
DettagliCorso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame
1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
DettagliBIM Building Information Modeling
Green & Circular Economy 6 Novembre 2018 Rimini BIM Building Information Modeling Fabrizio Cumo Cos è il BIM Il Building Information Modeling è costituito da un database che permette di gestire le informazioni
Dettagli117. Lo studio dei poliedri col software libero Cartesio di Rosa Marincola 1
117. Lo studio dei poliedri col software libero Cartesio di Rosa Marincola 1 Sunto Cartesio è un software libero che, permettendo la costruzione e la manipolazione di poliedri, favorisce l esplorazione
Dettagli1. Calcolo dell indice di condizionamento di una matrice
1 Esercizi sul condizionamento con matlab laboratorio di Calcolo Scientifico per Geofisici Prof. A. Murli a.a. 2006/07 1. Calcolo dell indice di condizionamento di una matrice Determinare una function
DettagliFasi dell analisi di dati da microarray (2)
Fasi dell analisi di dati da microarray (). Image Processing: le immagini sono analizzate per determinare una misura dell intensità di ogni spot, insieme ad una valutazione della sua affidabilità. Data
DettagliLuigi Santoro. Hyperphar Group S.p.A., MIlano
Come modellare il rischio Luigi Santoro Hyperphar Group S.p.A., MIlano Gli argomenti discussi Le definizioni del termine rischio L utilità di un modello predittivo di rischio Come costruire modelli predittivi
DettagliApplicazioni della SVD
Applicazioni della SVD Gianna M. Del Corso Dipartimento di Informatica, Università di Pisa, Italy 28 Marzo 2014 1 Le applicazioni presentate 2 Text Mining 3 Algoritmo di riconoscimento di volti Le Applicazioni
DettagliCaratteristiche delle fotografie per documenti identità elettronici
Caratteristiche delle fotografie per documenti identità elettronici Di seguito sono riportate alcune indicazioni utili a verificare che le foto, presentate dai cittadini siano conformi alle regole suggerite
DettagliServizi professionali. Fotogrammetria digitale terrestre aerea (drone) abilitazione zone critiche. Rilievi 3D con laser scanner
Servizi professionali Fotogrammetria digitale terrestre aerea (drone) abilitazione zone critiche Rilievi 3D con laser scanner Fotogrammetria digitale Le nuove tecnologie digitali offrono la possibilità
DettagliALGORITMO SPUTNIK 1. INTRODUZIONE
ALGORITMO SPUTNIK 1. INTRODUZIONE Sputnik rappresenta l evoluzione del progetto COSMOS realizzato per l individuazione della traiettorie dei veicoli in un filmato generato da una comune videocamera. La
DettagliSISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA
MARIA TERESA MELIS SISTEMI INFORMATIVI GEOGRAFICI IN GEO- LOGIA titimelis@unica.it ANNO ACCADEMICO 2017/ 2018 LEZIONE 5 IL MODELLO DI DATI RASTER E LA GEOREFEREN- ZIAZIONE Corso di Sistemi Informativi
Dettagli