ccd 攝影機結合非接觸式智慧 ic 卡在 人臉特徵的擷取與辨識上之應用
DESCRIPTION
CCD 攝影機結合非接觸式智慧 IC 卡在 人臉特徵的擷取與辨識上之應用. 指導教授:林春宏 教授 學 生 : 曾敬文 洪孟智 Speaker : 曾敬文. Outline. 研究動機與目的 RFID 簡介 系統架構與流程 人臉辨識 膚色偵測 人臉定位 特徵定位 特徵比對. 研究動機. 社會上充斥著不安全的認證方式 多重認證方式 RFID 結合個人獨特生物特徵的「 生理密碼 」具有難以複製或遭竊的特性. 研究目的. - PowerPoint PPT PresentationTRANSCRIPT
1
CCD 攝影機結合非接觸式智慧 IC 卡在
人臉特徵的擷取與辨識上之應用
指導教授:林春宏 教授學 生:曾敬文 洪孟智Speaker :曾敬文
2
Outline 研究動機與目的 RFID 簡介 系統架構與流程 人臉辨識
膚色偵測人臉定位特徵定位特徵比對
3
研究動機 社會上充斥著不安全的認證方式
多重認證方式
RFID 結合個人獨特生物特徵的「 生理密碼 」具有難以複製或遭竊的特性
4
研究目的
主要係以現有的非接觸式智慧 IC卡 (contactless smart IC card) ,在系統身分確認時的資料,結合已觸發後的攝影之使用者臉部影像,做為此使用者相對應的臉部特徵。在人們對於安全的需求與日俱增之時,對於需要作身份指認、門禁或進出需高度安全的環境,提供了最佳的解決方案。
5
RFID 簡介 RFID ( Radio Frequency Identification ,無線射頻識別)被列為 21世紀十大重要技術項目之一,應用領域廣泛
非接觸式智慧卡是使用 RF(無線射頻)技術的智慧卡,而智慧卡即晶片卡,是一項結合 RFID 與智慧卡的科技產品
6
RFID 簡介 一套完整的 RFID 系統
是由讀卡機 (Reader) 電子標籤 (TAG) 應用程式資料庫電腦系統
工作原理為: 由 Reader 發射特定頻率之無線電波
能量給 TAG 驅動 TAG 電路將內部之 ID Code 送出 Reader 便依序接收解讀此 ID Code 傳送到應用程式資料庫系統做應用。
7
系統架構
訓練 (training) 合法使用者影像資料庫之系統架構
8
系統架構
結合非接觸智慧卡與人臉辨識的門禁系統架構
9
系統流程彩色影像
ID
RGB 轉 YCbCr
膚色偵測
物件切割
人臉定位
人臉特徵定位
人臉特徵計算
彩色影像
人臉特徵資料庫
個人人臉特徵資料
比對不符合
丟棄
符合
系統流程圖
10
膚色偵測 複雜的背景中分辨出膚色區域
減少運算的範圍增加運算速度
人臉膚色之色彩空間RGB 色彩空間:易受到光線的強弱影響YCbCr色彩空間:
• 亮度與彩度分離• 膚色範圍較集中
11
步驟一膚色樣本
步驟二YCbCr色彩統計
人臉膚色的統計樣本
人臉膚色樣本在彩度的空間分佈圖
膚色偵測– ( 原始資料庫訓練 )
12
膚色偵測 -(原始資料庫訓練 )
步驟三:以最小平方法求解,分別求得上、下界之三次式方程式,當作膚色條件之一,其表示如圖:
步驟四:分別找出 R 、 G 、 B 的最大值和最小值,交集上述 膚色條件,定義出原始資料庫的膚色範圍 。
0
10
20
30
40
50
-50 -40 -30 -20 -10 0 10
Cb
Cr
0
10
20
30
40
50
-60 -40 -20 0 20
Cb
Cr
膚色之 Cb 、 Cr值上下界多項式
8
原始圖片 Wang and
Chang [2] 歐俊岳 [3] 黃泰祥 [4] 本報告方法
(原始資料庫 )
14
膚色偵測– (實驗結論 )
其他文獻所提供數據並不完全適用於本實驗
原始資料庫是來源複雜
對原始資料庫作訓練,可以更精確找出膚色區域。
15
人臉定位 -( 物件切割 )
物件切割 (object segment) 技術
定位後的人臉 物件切割的結果 膚色偵測的結果
16
特徵定位 - ( 眼球定位 )
眼睛附近有 Cb 值比較大而 Cr值比較小眼睛是由較暗的眼球和較亮的眼白所組成
圓形邊緣偵測找眼球中心 (sobel)
Cb>Cr 遮罩結果 圓形邊緣偵測結果
17
特徵定位 - ( 眼角定位 )
眼角 Cb 值較高
邊緣偵測 (Sobel)
兩結果的交集
18
特徵定位 -( 嘴角定位 )
嘴角 Cr值較高邊緣偵測 (Sobel)兩結果的交集
Cb 取一門檻值結果 Sobel 邊緣偵測結果 (a) 與 (b) 的交集
19
特徵定位
20
特徵定位
系統採用的特徵向量長度
21
特徵比對
正規化特徵向量長度歐氏距離
計算兩特徵向量之間的差異量,計算結果,所得到的距離愈小表示兩組數據愈接近。
22
實驗結論
定位人臉成功率 (95%)眼球成功率 (82%)眉心成功率 (81%)眼角成功率 (46%)嘴角成功率 (53%)鼻角成功率 (66%)
比對辦識成功率 (41%)比對速度慢特徵值權重
[1]http://www.eedesign.com.tw/article/Design/circuit_design/circuit_design14.htm
[2] Wang. H. Wang and S.-F. Chang, “A highly efficient system for automatic face region detection in MPGE video,” IEEE Trans. Circuits Syst. Video Technol., vol. 7, no. 4, pp. 615-628, 1997.
[3] 歐俊岳 , 一個以人臉影像為基礎的影像搜尋系統 (A Human Face-based Image Search System), 2003, 國立台灣大學資訊工程研究所碩士論文
[4] 黃泰祥 , 具備人臉追蹤與辨識功能的一個智慧型數位監視系統(A Smart Digital Surveillance System with Face Tracking and Recognition Capability), 2004, 中原大學電子工程學系碩士論文。
[5] 施柏樑 ,運用特徵向量技術於手機取像之人臉辨識系統 (Feature-Vector Based Face Recognition System for Mobile Photos),2003, 國立中正大學電機工程研究所
[6] 沈韋穎 , 即時人臉偵測系統 (A Real-time Face Detection System),2003, 國立台灣大學資訊工程研究所碩士論文
參考文獻
24
謝謝!