211service.com
En sökmotor för ansiktssökning
Idag finns det fler videokameror av låg kvalitet – övervaknings- och trafikkameror, mobilkameror och webbkameror – än någonsin tidigare. Men moderna sökmotorer kan inte identifiera objekt särskilt tillförlitligt i tydliga, statiska bilder, än mindre i korniga YouTube-klipp. En ny mjukvaruansats från forskare vid Carnegie Mellon University kan göra det lättare att identifiera en persons ansikte i en lågupplöst video. Forskarna säger att programvaran kan användas för att identifiera brottslingar eller försvunna personer, eller så kan den integreras i nästa generations videosökmotorer.
Luddiga ansikten : Ett nytt ansiktsigenkänningssystem från forskare vid Carnegie Mellon fungerar även på lågupplösta bilder.
Dagens ansiktsigenkänningssystem fungerar faktiskt ganska bra, säger Pablo Hennings-Yeomans, en forskare vid Carnegie Mellon som utvecklade systemet – när det vill säga forskare kan styra ljuset, ansiktsvinkeln och typen av kamera som används. Den nya vetenskapen om ansiktsigenkänning handlar om fria miljöer, säger han. Vårt arbete fokuserar särskilt på problemet med lösning.
För att ett ansiktsigenkänningssystem ska kunna identifiera en person, förklarar Hennings-Yeomans, måste det först tränas på en databas med ansikten. För varje ansikte använder systemet en så kallad funktionsextraktionsalgoritm för att urskilja mönster i arrangemanget av bildpixlar; När den tränas lär den sig att associera några av dessa mönster med fysiska egenskaper: ögon som lutar nedåt, till exempel, eller en framträdande haka.
Problemet, säger Hennings-Yeomans, är att befintliga ansiktsigenkänningssystem kan identifiera ansikten endast på bilder med samma upplösning som de som systemen tränades med. Detta ger forskarna två val om de vill identifiera lågupplösta bilder: de kan antingen träna sina system med att använda lågupplösta bilder, vilket ger dåliga resultat i det långa loppet, eller så kan de lägga till pixlar eller upplösning till bilderna identifieras.
Det senare tillvägagångssättet, som uppnås genom att använda så kallade superupplösningsalgoritmer, är vanligt, men dess resultat är blandade, säger Hennings-Yeomans. En superupplösningsalgoritm gör antaganden om formen på objekt i en bild och använder dem för att skärpa objektgränser. Även om resultaten kan se imponerande ut för det mänskliga ögat, stämmer de inte överens med de typer av mönster som ansiktsigenkänningssystem är tränade att leta efter. Superupplösning kommer att ge dig en interpolerad bild som ser bättre ut, säger Hennings-Yeomans, men den kommer att ha förvrängningar som brus eller konstgjorda [funktioner].
Gör mig en match : Sondbilderna längs den översta raden används för att söka efter en databas med lagrade galleribilder, ungefär som nyckelord som skrivs in i en webbsökmotor. När ansikten matchar, som de gör längs diagonalen, har den resulterande sammansatta bilden jämna drag. Suddiga funktioner indikerar en oöverensstämmelse.
Tillsammans med B. Vijaya Kumar, professor i el- och datateknik vid Carnegie Mellon, och Simon Baker från Microsoft Research, har Hennings-Yeomans testat ett tillvägagångssätt som förbättrar ansiktsigenkänningssystem som använder standard superupplösning. Istället för att tillämpa superupplösningsalgoritmer på en bild och köra resultaten genom ett ansiktsigenkänningssystem, designade forskarna mjukvara som kombinerar aspekter av en superupplösningsalgoritm och funktionsextraktionsalgoritmen för ett ansiktsigenkänningssystem. För att hitta en matchning för en bild matar systemet först den genom denna mellanliggande algoritm, som inte rekonstruerar en bild som ser bättre ut för det mänskliga ögat, som superupplösningsalgoritmer gör. Istället extraherar den funktioner som är specifikt läsbara av ansiktsigenkänningssystemet. På detta sätt undviker den distorsionerna som är karakteristiska för superupplösningsalgoritmer som används ensamma.
I tidigare arbete har forskarna visat att den mellanliggande algoritmen förbättrade resultat för ansiktsmatchning när man hittade matchningar för en enda bild. I ett dokument som presenterades vid IEEE International Conference on Biometrics: Theory, Systems and Applications senare denna månad, visar forskarna att systemet fungerar ännu bättre, i vissa fall, när flera bilder eller ramar, även från olika kameror, används .
Tillvägagångssättet visar lovande, säger Pawan Sinha, professor i hjärna och kognitiv vetenskap vid MIT. Problemet med lågupplösta bilder och video är utan tvekan viktigt och har inte angripits på ett adekvat sätt av något av de kommersiella ansiktsigenkänningssystem som jag känner till, säger han. Sammantaget gillar jag arbetet.
I slutändan, säger Hennings-Yeomans, behöver superupplösningsalgoritmer fortfarande förbättras, men han tror inte att det skulle krävas för mycket arbete för att tillämpa sin grupps tillvägagångssätt på, till exempel, ett webbverktyg som söker efter YouTube-videor. Du kommer att se ansiktsigenkänningssystem för bildhämtning, säger han. Du kommer att Google inte genom att använda textfrågor, utan genom att ge en bild.