/05/2014 Riconoscimento facciale 1

Transcript

1 I Sistemi Biometrici: riconoscimento del volto Michele Nappi, Ph.D Università degli Studi di Salerno biplab.unisa.it it /05/2014 Riconoscimento facciale 1

2 Perché il volto I due più importanti fattori che sanciscono il successo di una biometria sono Affidabilità e Accettabilità Il riconoscimento dell iride è il sistema più affidabile, ma è anche quello più intrusivo. Le impronte digitali sono più facilmente accettate, ma non applicabili a soggetti non consenzienti. Il volto ha un accettabilità molto elevata, mentre l affidabilità deve essere ancora migliorata 13/05/2014 Riconoscimento facciale 2

3 Ulteriori Vantaggi Tasso di riconoscimento elevato in condizioni controllate Keystroke Scan 0.3% Facial Scan 11.4% Hand Scan 10.0% 0% Middleware 12.4% Dispositivi di acquisizione facili da dislocare nell ambiente Finger Scan 52.1% Signature Scan 2.4% Voice Scan 4.1% Iris Scan 7.3% Permette l interazione con l operatore umano E poissibile integrarlo in sistemi di controllo di ambiente da remoto 13/05/2014 Riconoscimento facciale 3

4 Verifica e Riconoscimento Verifica: Confronto Uno a Uno. Conferma l identità dichiarata da un individuo Dichiarata mediante: carta di identità, codice utente,... Riconoscimento: Confronto Uno a Molti. Stabilisce l identità di un soggetto a partire da un insieme di persone registrate Ok 13/05/2014 Riconoscimento facciale 4

5 Struttura di un Riconoscitore Facciale (2) Il primo step di un sistema automatico è un face detector. A partire dall immagine immagine, si estrae la regione contenente unicamente il volto. Infine la regione estratta viene segmentata, associando un significato ifi semantico a ciascuna zona del volto. Face Detector Face Segmentat tion Occhio Sinistro Naso Bocca Occhio Destro 13/05/2014 Riconoscimento facciale 5

6 Struttura di un Riconoscitore Facciale (1) Si associa un insieme di caratteristiche Si estrae il template dal volto del soggetto all identità di un soggetto che richiede di essere autenticato Raccolta dei dati ed estrazione delle Raccolta dei dati ed estrazione delle caratteristiche caratteristiche Il modello estratto (template) è memorizzato in un database o su un supporto portatile (smart card) Questo processo può essere effettuato singolarmente o in blocco (batch enrollment) Il modello estratto (template) è cercato all interno di in un database o su un supporto portatile (smart card) Un criterio di matching stabilisce se il soggetto deve essere autorizzato o no. Enrollment 13/05/2014 Riconoscimento facciale Testing 6

7 Sistemi esistenti in Letteratura ICA Image Based Neural Networks 3D 3D Morphable Models Eigenfaces Feature Based Elastic Graph Matching Hybrid Fractals Wavelets 13/05/2014 Riconoscimento facciale 7

8 Cos èlapca Tecnica statistica che trasforma in modo lineare un insieme di variabili in un insieme più piccolo di nuove variabili incorrelate tra loro Spesso, in presenza di un numero elevato di variabili correlate, è diffcile capire l importanza delle variabili e le relazioni che tra esse intercorrono L analisi delle componenti principali consente di sintetizzare l informazione a disposizione in un insieme ridotto di variabili

9 13/05/2014 Riconoscimento facciale 9

10 13/05/2014 Riconoscimento facciale 10

11 13/05/2014 Riconoscimento facciale 11

12 13/05/2014 Riconoscimento facciale 12

13 13/05/2014 Riconoscimento facciale 13

14 13/05/2014 Riconoscimento facciale 14

15 13/05/2014 Riconoscimento facciale 15

16 13/05/2014 Riconoscimento facciale 16

17 13/05/2014 Riconoscimento facciale 17

18 Passi della PCA Individuazione della matrice di covarianza rappresenta la variazione di ogni variabile rispetto alle altre (inclusa se stessa) Ogni elemento sulla diagonale è la varianza del carattere, gli altri rappresentano la covarianza. Nel caso in cui questo valore sia positivo, significa che al crescere di una carattere, cresce anche l'altro altro. Nel caso in cui questo valore sia negativo, accade il contrario. Se i caratteri sono statisticamente indipendenti, questo valore è 0 (l'implicazione inversa non è necessariamente verificata). Estrazione delle Componenti Principali Y i : Y = W PCA X W PCA =

19 Calcolo Eigenfaces Poche tipologie di facce descrivibili mediante un sottospazio relativamente piccolo; Utilizzo di tecniche di PCA(Karhunen-Loève) per la definizione degli elementi caratterizzanti la distribuzione delle facce; Si risolve un problema di Pattern Recognition su oggetti indicati come Eigenfaces ;

20 Eigenfaces sistemi lineari Immagini in Input Linearizzazionei i Media su tutte i volti A ciascun vettore togliamo la media Risolvendo un particolare sistema lineare estraiamo un insieme i di volti di riferimento. i Ciascun volto viene rappresentato come una combinazione dei volti di riferimento. I coefficienti utilizzati per la rappresentazione costituiscono il vettore di caratteristiche 13/05/2014 Riconoscimento facciale 20

21 Vantaggi e Svantaggi La fase di identificazione è veloce. Se si conservano gli autovettori è possibile ricostruire l informazione originaria. La fase di training è lenta. Se si aggiunge un numero consistente di nuovi soggetti è necessario il retraining del sistema. Elevata sensibilità a variazioni di illuminazione, posa, occlusioni, 13/05/2014 Riconoscimento facciale 21

22 Sistemi basati su Grafi Attraverso filtri i e funzioni i di localizzazione li i vengono localizzati li sul volto un insieme di punti di riferimento. Questi punti vengono collegati da archi pesati e si ottiene un grafo. Ad ogni volto è associato un grafo, per cui confrontare due volti significa confrontare due grafi. 13/05/2014 Riconoscimento facciale 22

23 Vantaggi e Svantaggi Sono robusti rispetto alle variazioni di posa Sono robusti rispetto alle variazioni di illuminazione Il processo di testing è molto lento perché richiede il confronto fra grafi (NP-Hard) Hard). Non richiedono il retraining del sistema 13/05/2014 Riconoscimento facciale 23

24 Termogramma L immagine del volto viene acquisita mediante un sensore termico. Il sensore rileva le variazione di temperatura dell epidermide del volto. L immagine viene segmentata e indicizzata. 13/05/2014 Riconoscimento facciale 24

25 Vantaggi e Svantaggi Sono robusti rispetto alle variazioni di illuminazione Sono robusti rispetto alle variazioni di tempo Sono efficienti anche in caso di ambienti esterni Richiedono dispositivi di acquisizione costosi I dispositivi di acquisizione sono troppo sensibili ai movimenti tid del soggetto e offrono limitate risoluzioni Dipendono dallo stato t emotivo del soggetto La presenza di un vetro fra il soggetto e il dispositivo rende inefficace l acquisizione. 13/05/2014 Riconoscimento facciale 25

26 Problemi aperti Il face recognition è un caso specifico di «Pattern Recognition». Questo problema è reso particolarmente difficile dai fattori che possono influenzare l aspetto dell oggetto in questione: il volto. Illuminazione e Posa sono i problemi più ampiamente affrontati. Le Occlusioni degradano in maniera significativa le prestazioni di quasi tutti i classificatori, tuttavia poco è stato fatto per ovviare a questo problema. Le varizioni di tempo e l età possono modificare profondamente l aspetto di un volto facendo fallire il riconoscimento del soggetto. 13/05/2014 Riconoscimento facciale 26

27 Illuminazione (1) Le condizioni di illuminazione di un ambiente cambiano molto durante la giornata, tra giorni diversi, all interno o all esterno. Le luci dirette proiettate sul volto producono ombre e zone iperilluminate. I classificatori falliscono perché a causa di tali variazioni il vettore di caratteristiche associato ad un soggetto diversamente illuminato può risultare più vicino ad un soggetto diverso con la stessa illuminazione, piuttosto che allo stesso soggetto con una diversa illuminazione. 13/05/2014 Riconoscimento facciale 27

28 Illuminazione (2) Esistono tre tipologie di algoritmi che cercano di gestire le variazioni di illuminazione nel FR: Shape from Shading: a partire dai toni di grigio di una o più immagini si estrae la forma 3D del volto. Representation Based Methods: si utilizzano classificatori che per la loro natura intrinseca risultano essere robusti rispetto alle variazioni di illuminazione. Generative Methods: a partire da un modello 3D del volto si genera un ampio set di immagini con il maggior numero possibile di variazioni di illuminazione, successivamente utilizzate per l enrollment del soggetto. 13/05/2014 Riconoscimento facciale 28

29 Posa In diverse applicazioni la posa del soggetto durante il testing può essere diversa da quella fissata nell enrollment. I sistemi che affrontano il problema della posa sono divisi in due categorie: Sistemi Multi-View View: le immagini nella gallery rappresentano il soggetto in tutte le pose possibili. Sistemi a correzione della posa: a partire dall immagine di testing il sistema deduce la posa del soggetto, cercando di correggerla. 13/05/2014 Riconoscimento facciale 29

30 Ci sono diversi tipi di occlusioni che possono coprire parzialmente il volto Occhiali da sole Sciarpe Trucco Errori di acquisizione Rumore Occlusioni Gli algoritmi di riconoscimento devono essere tolleranti a tali occlusioni 13/05/2014 Riconoscimento facciale 30

31 Occlusioni Le possibili occlusioni che possono interessare la zona del volto sono diverse: occhiali, sciarpe, capelli, trucco, Il numero di contributi ti significativi in letteratura è molto ridotto, non più di tre/quattro pubblicazioni. L idea di base consiste nel rendere l informazione locale, cosicché occlusioni su una zona del volto non influenzano il classificatore delle altre zone. 13/05/2014 Riconoscimento facciale 31

32 Variazioni di tempo ed Età Variazioni di tempo anche di una sola settimana fra due immagini di uno stesso soggetto, riducono le prestazioni del sistema. Tecniche come il termogramma sono più robusti rispetto a queste variazioni. Le variazioni di età incidono in maniera ancora maggiore. Un sistema robusto alle variazioni di età è utile in applicazioni del tipo: identificazione di ricercati, ricerca di persone scomparse. 13/05/2014 Riconoscimento facciale 32