1531834649

W celu zwiększenia wydajności algorytmu w pracy [6] wykorzystano fakt symetrii twarzy. Na obrazie wyszukiwany jest schemat zawierający połowę twarzy. Dwukrotnie mniejsza ilość pikseli wymagająca sprawdzenia znacznie poprawia wydajność systemów typu template matching, lecz działanie danego algorytmu nadal wymaga wykonywania bardzo wielu obliczeń.

2.1.3. Metody oparte na cechach

Jedną z popularniejszych metod, bardzo często wykorzystywaną w komercyjnych systemach jest opublikowana w 2001 roku przez Poula Viole oraz Michaeala Jones'a [5] metoda oparta na cechach. Charakteryzuje się bardzo dużą wydajnością i skutecznością wykrywania twarzy. Wykorzystano metodę [6], wg której dla każdego obiektu charakteryzującego się specyficznym kształtem można wskazać cały zespół cech na obrazie w skali szarości do utworzenia wzorca danego obiektu.

Przykładem cechy specyficznej dla obrazów zawierających twarz jest fakt, że część pomiędzy oczami na obrazie w skali szarości jest jaśniejsza od części zawierających oczy (rysunek 2.6b). Podobnym przykładem jest cecha zaprezentowana na rysunku 2.6c - obszar pod oczami jest znacznie jaśniejszy od obszaru oczu.

Rysunek 2.6 a, b, c: Obraz w skali szarości oraz przykłady cech twarzy.

Poszukując twarz, podobnie jak algorytmy bazujące na schematach, dana metoda sprawdza części obrazu o pewnym zakresie wymiarów. Dla każdej z takich części (klatek) sprawdza się czy zawiera cechy o ściśle określonym położeniu i rozmiarze, które ustalane zostają przez algorytm uczący się - Ada Boost [7]. Bazując na serii zdjęć algorytm ustalił zestaw cech o kształtach przedstawionych na rysunku 2.7, w różnym rozmiarze, które zostały odnalezione

14