1531834652

Metoda lokalizacji obiektów opartej o cechy została rozwinięta przez Rainera Lienharta. Opisany w pracy [8] algorytm oprócz wymienionych cech wykorzystuje dodatkowe, przedstawione na rysunku 2.10.

Rysunek 2.10: Cechy zastosowane w algorytmie Lienhart'a

Wprowadzenie dodatkowych cech znacznie zwiększa wydajność danego algorytmu. Podobnie jak w algorytmie Viola-Jones, wartości dla cech algorytmu Lienharta obliczane są korzystając z obrazu integral image w odmienionej formie (opisany w [8]).

Pomimo konieczności walidacji obrazu jako zawierającego twarz przez kilkaset cech jest to zdecydowanie jedna z bardziej skutecznych, a zarazem wydajnych metod lokalizacji twarzy. Przyczyniło się to do zastosowania tej metody w bardzo popularnym projekcie typu open source o nazwie Open Computer Vision Library (OpenCV) [9] stworzonej przez firmę Intel. Jest to biblioteka napisana w języku C++ zawierająca cały szereg algorytmów związanych z przetwarzaniem obrazów. Stale rozwijana oraz wzbogacana o nowe możliwości jest często stosowana w komercyjnych systemach wykorzystujących metody biometryczne.

2.2. Wykrywanie mimiki

Rozpoznawanie mimiki jest bardzo bogatym w metody działem biometrii. Każdą z cech mimicznych można opisać zależnościami pomiędzy położeniem brwi, oczu i ust oraz ich kształtem. W celu ekstrakcji części twarzy wykorzystywany jest cały szereg metod - najczęściej wykorzystywane są algorytmy bazujące na:

-    schematach

-    cechach

-    ruchu

-    maszynach wektorów nośnych SVN (ang. support vector machines)

17