Ειδικές Επιστηµονικές Εργασίες 2005-2006 1. Ανίχνευση προσώπων από ακολουθίες video και παρακολούθηση (face detection & tracking) Η ανίχνευση προσώπου (face detection) αποτελεί το 1 ο βήµα σε ένα αυτόµατο σύστηµα αναγνώρισης προσώπου. Με δεδοµένο µια εικόνα ή ένα video, ένας ιδανικός ανιχνευτής προσώπου πρέπει να είναι σε θέση να µπορεί να αναγνωρίζει (identify) και να εντοπίζει (locate) όλα τα υπαρκτά πρόσωπα, ανεξαρτήτως της θέσης, µεγέθους, περιστροφής, ηλικίας και έκφρασης. Επιπλέον, η ανίχνευση πρέπει να είναι ανεξάρτητη από εξωτερικές συνθήκες φωτισµού και από το υπόλοιπο περιεχόµενο της εικόνας ή του video. H ανίχνευση προσώπου µπορεί να πραγµατοποιηθεί βάσει ορισµένων στοιχείων: χρώµα δέρµατος (για πρόσωπα σε έγχρωµες εικόνες και video), κίνηση (για πρόσωπα σε video), σχήµα προσώπου / κεφαλιού, εµφάνιση προσώπου, ή συνδυασµός των παραγόντων αυτών. Στην περίπτωση ακολουθιών εικόνων (frames ή video) που παρουσιάζουν ένα κινούµενο πρόσωπο, το µοντέλο πρέπει όχι µόνο να περιγράψει την στατική απεικόνιση του προσώπου, αλλά επίσης τη δυναµική συµπεριφορά, δηλ. την κίνηση. Συνεπώς, είναι επιθυµητή η θέση του προσώπου στην εικόνα. Η διαδικασία της εκτίµησης των παραµέτρων θέσης και πόζας από κάθε frame ονοµάζεται παρακολούθηση κίνησης (tracking). Σκοπός της Ειδικής Επιστηµονικής Εργασίας είναι η συγκριτική µελέτη υπαρχόντων αλγορίθµων στο χώρο της ανίχνευσης και παρακολούθησης προσώπων από ακολουθίες video. Η συγκεκριµένη εργασία θα αφορά τη µελέτη και υλοποίηση συγκεκριµένων αλγορίθµων οι οποίοι έχουν προταθεί στη βιβλιογραφία. [1] S.Z. Li, A.K. Jain, Handbook of Face Recognition, Springer Science + Business Media, Inc., 2005. [2] Journal & Conference papers [3] Internet sources
2. Αναγνώριση προσώπου µε σύγκριση υπερ-επιφανειών (face recognition using manifold matching) Η αναγνώριση προσώπων (face recognition) και η ανάκτησή τους από µια βάση δεδοµένων αποτελούµενη από εικόνες προσώπων (database image retrieval), αποτελεί αντικείµενο µελέτης τα τελευταία χρόνια. Για την αναγνώριση προσώπων, έχει προταθεί στη βιβλιογραφία ένα πλήθος µεθόδων και αλγορίθµων στο πολυδιάστατο χώρο των χαρακτηριστικών. Στην παρούσα Ειδική Επιστηµονική Εργασία, θα µελετηθεί η αναγνώριση προσώπων µέσω σύγκρισης των αντίστοιχων υπερ-επιφανειών τους (local manifold matching), στον ελαττωµένης-διάστασης χώρο των χαρακτηριστικών τους (reduced feature space). Θα µελετηθούν και θα υλοποιηθούν αλγόριθµοι ελάττωσης της διάστασης του χώρου (dimensionality reduction), όπως MDS, PCA, Isomap, LLE. Τα πρόσωπα θα προβληθούν στο ελαττωµένης διάστασης χώρο, δηµιουργώντας το καθένα µια υπερεπιφάνεια, ανάλογα µε τις διαφορετικό µέγεθος, περιστροφή και πόζα που το καθένα διαθέτει. Στο χώρο αυτό, θα γίνει δυνατή η σύγκριση και οµοιότητα ανάµεσα στα διαφορετικά πρόσωπα και τελικά η αναγνώριση προσώπου. Η συγκεκριµένη εργασία θα αφορά τη µελέτη και υλοποίηση συγκεκριµένων αλγορίθµων οι οποίοι έχουν προταθεί στη βιβλιογραφία. [1] S.Z. Li, A.K. Jain, Handbook of Face Recognition, Springer Science + Business Media, Inc., 2005. [2] W.L. Martinez, A.R. Martinez, Exploratory Data Analysis with Matlab, Chapman & Hall/CRC, 2005. [3] Journal & Conference papers [4] Internet sources
3. Αύξηση της χωρικής ανάλυσης για βελτίωση της ποιότητας των εικόνων (super-resolution imaging) Η αύξηση της χωρικής ανάλυσης µιας εικόνας (super-resolution imaging) είναι µια µέθοδος µε την οποία µπορούµε να ξεπεράσουµε τους δοµικούς περιορισµούς οι οποίοι προκαλούνται από την απόκτηση της εικόνας, και να δηµιουργήσουµε µια εικόνα υψηλής ανάλυσης (high-resolution) από τις συµπληρωµατικές εικόνες χαµηλής ανάλυσης (lowresolution images). Η επίτευξη του σκοπού, πραγµατοποιείται µέσω ένωσης (fusion) ενός σετ χαµηλής ανάλυσης εικόνων για την δηµιουργία µιας υψηλής ευκρίνειας εικόνας. Με τον τρόπο αυτό βελτιώνεται η ποιότητα της εικόνας και αυξάνεται η ανάλυσής της όπως επίσης και η πληροφορία που διαθέτει από διαφορετικά frames. Στην παρούσα Ειδική Επιστηµονική Εργασία, θα µελετηθούν και θα υλοποιηθούν µέθοδοι και αλγόριθµοι αύξησης της χωρικής ανάλυσης µιας εικόνας, όπως επίσης και ακολουθιών εικόνων video. Η κύρια εφαρµογή θα πραγµατοποιηθεί σε εικόνες και video χαµηλής ανάλυσης που περιέχουν εικόνες προσώπων, µε σκοπό να αντιµετωπισθούν προβλήµατα που προκαλούνται από διαφορετικές συνθήκες φωτισµού, µεγέθους και πόζας. Για το σκοπό αυτό, η χωρική καταγραφή (registration) των εικόνων θα µελετηθεί αρχικά. [1] S. Chaudhuri, Super-Resolution Imaging, Kluwer Academic Publishers, 2001. [2] S.Z. Li, A.K. Jain, Handbook of Face Recognition, Springer Science + Business Media, Inc., 2005. [3] Journal & Conference papers [4] Internet sources
4. Ευθυγράµµιση προσώπου (face alignment) Η ευθυγράµµιση προσώπων (face recognition) έχει σκοπό την επίτευξη, µε µεγαλύτερη ακρίβεια, του εντοπισµού και νορµαλισµού των προσώπων, σε αντίθεση µε την ανίχνευση προσώπων η οποία έχει σκοπό τον ακριβή εντοπισµό της θέσης και του µεγέθους κάθε εντοπισµένου προσώπου. Αρχικά, τα χαρακτηριστικά προσώπου όπως µάτια, µύτη, στόµα και περίγραµµα προσώπου εντοπίζονται. Βάσει των σηµείων εντοπισµού, η εικόνα προσώπου κανονικοποιείται βάσει κάποιων γεωµετρικών ιδιοτήτων όπως µέγεθος και πόζα, χρησιµοποιώντας γεωµετρικούς µετασχηµατισµούς ή µορφολογική επεξεργασία. Επιπλέον, το πρόσωπο κανονικοποιείται περαιτέρω, αναφορικά µε ορισµένες φωτοµετρικές ιδιότητες όπως φωτισµός και επίπεδα χρώµατος. Στην παρούσα Ειδική Επιστηµονική Εργασία, θα µελετηθούν και θα υλοποιηθούν τεχνικές και αλγόριθµοι ευθυγράµµισης προσώπων και κανονικοποίησης των συνθηκών φωτισµού. Επιπλέον, θα γίνει µια συγκριτική µελέτη συγκεκριµένων αλγορίθµων οι οποίοι έχουν προταθεί στη βιβλιογραφία. [1] S.Z. Li, A.K. Jain, Handbook of Face Recognition, Springer Science + Business Media, Inc., 2005. [2] W.L. Martinez, A.R. Martinez, Exploratory Data Analysis with Matlab, Chapman & Hall/CRC, 2005. [3] Journal & Conference papers [4] Internet sources
5. Αυτόµατη αναγνώριση προσώπου (automatic face recognition) από βάση δεδοµένων Η αναγνώριση προσώπων (face recognition) και η ανάκτησή τους από µια βάση δεδοµένων αποτελούµενη από εικόνες προσώπων (database image retrieval), αποτελεί αντικείµενο µελέτης τα τελευταία χρόνια. Ένα σύστηµα αναγνώρισης προσώπου, αναµένουµε να αναγνωρίζει αυτόµατα την ύπαρξη προσώπων σε εικόνες ή video και µπορεί να λειτουργεί σε δύο στάδια: (1) εξακρίβωση / επαλήθευση προσώπου και (2) ταυτοποίηση / αναγνώριση προσώπου. Η εξακρίβωση και ταυτοποίηση προσώπου περιέχει ουσιαστικά, τη σύγκριση µιας αιτούµενης εικόνας (query) µια-προς-µια σε σχέση µε αποθηκευµένες εικόνες σε κάποια βάση δεδοµένων (image database). Στην παρούσα Ειδική Επιστηµονική Εργασία, θα µελετηθούν και θα υλοποιηθούν τεχνικές και αλγόριθµοι αναγνώρισης προσώπων οι οποίοι έχουν προταθεί στη βιβλιογραφία. Η µελέτη θα περιέχει υλοποίηση µεθόδων εξαγωγής χαρακτηριστικών (feature extraction) από τις εικόνες προσώπων, σύγκριση (matching) µε µια βάση δεδοµένων και ανάκτηση (retrieval) των εικόνων εκείνων µε τη υψηλότερη οµοιότητα. [1] S.Z. Li, A.K. Jain, Handbook of Face Recognition, Springer Science + Business Media, Inc., 2005. [2] Journal & Conference papers [3] Internet sources
6. Σηµασιολογική κατηγοριοποίηση και ανάκτηση εικόνας (semantic categorization and retrieval of images) από βάση δεδοµένων, µε βάση χαρακτηριστικών υψηλού επιπέδου (high-level descriptors) Η σηµασιολογική κατηγοριοποίηση και ανάκτηση εικόνας (semantic categorization and retrieval of images) από µια βάση δεδοµένων µε έγχρωµες εικόνες αποτελεί ένα ευρέως διαδεδοµένο αντικείµενο µελέτης τα τελευταία χρόνια. Τα χαρακτηριστικά υψηλού επιπέδου (high-level features) παίζουν σηµαντικό ρόλο στον τρόπο µε τον οποίο οι άνθρωποι αντιλαµβάνονται τις εικόνες και µετρούν την οµοιότητά τους. υστυχώς, τα χαρακτηριστικά αυτά δεν συνδέονται άµεσα µε ιδιότητες των εικόνων και οι αλγόριθµοι που υπάρχουν για εξαγωγή χαρακτηριστικών χρώµατος, σχήµατος ή και υφής από τις εικόνες (δηλ. χαµηλού επιπέδου), δεν είναι σε θέση να εξαγάγουν σηµασιολογικά χαρακτηριστικά από τις εικόνες. Στη παρούσα Ειδική Επιστηµονική Εργασία, θα µελετηθούν µέθοδοι για την κατανόηση των σηµαντικών σηµασιολογικών κατηγοριών οι οποίες σχετίζονται µε την ανθρώπινη αντίληψη. Επίσης, θα γίνουν πειράµατα εξαγωγής σηµαντικών χαρακτηριστικών για την διάκριση των σηµασιολογικών αυτών κατηγοριών, υλοποιώντας αλγόριθµους εξαγωγής και οµοιότητας αντιληπτών χαρακτηριστικών σε πραγµατικό χρόνο. Η συγκεκριµένη εργασία θα αφορά τη µελέτη και υλοποίηση συγκεκριµένων αλγορίθµων οι οποίοι έχουν προταθεί στη βιβλιογραφία. [1] V. Castelli and L.D. Bergman, Image Databases, Search and Retrieval of Digital Imagery, Wiley Inc., 2002. [2] Journal & Conference papers [3] Internet sources
7. Περιγραφή περιεχοµένου έγχρωµης εικόνας µε επιλογή σηµαντικών σηµείων (Color points of interest) Στην εργασία αυτή θα γίνει υλοποίηση της διαδικασίας που περιγράφεται στο paper: Object-based queries using color points of interest by V.Gouet and N. Boujemaa Αρχικά θα γίνει η διαδικασία εξαγωγής κατάλληλων χαρακτηριστικών (µε βάση τον αλγόριθµο του Harris), τα οποία παραµένουν αµετάβλητα από διαδικασίες αλλαγής των γεωµετρικών χαρακτηριστικών. Στη συνέχεια θα χρησιµοποιηθούν τα χαρακτηριστικά αυτά για εύρεση οµοιότητας εικόνων. Τέλος θα γίνει εφαρµογή της µεθόδου σε διαδικασίες ανάκτησης εικόνας. Θα περιγραφούν (χωρίς να υλοποιηθούν) και άλλες παρόµοιες µέθοδοι που έχουν προταθεί στη βιβλιογραφία. Παράδειγµα. Τα σηµαντικά σηµεία της 1 ης εικόνας δεικνύονται στη 2 η εικόνα. 1 2 Την εργασία αυτή θα επιβλέπει και ο Υ. ηµήτριος Μπεσύρης
8. Βιοµετρική: Γεωµετρία χεριού Στην εργασία αυτή θα γίνει µελέτη της γεωµετρίας χειριού για βιοµετρική αναγνώριση προσώπου. Μία πρώτη προσέγγιση αποτελεί η σχετική βιβλιογραφία που δίνεται (πρόσφατο paper που παρουσιάστηκε στο συνέδριο EUROCON) Συγκεκριµένα Α) θα γίνει µελέτη της βιβλιογραφίας για τίς µέχρι τώρα µεθόδους εξαγωγής χαρακτηριστικών και επεξεργασίας των Β) Θα επιλεγεί µία µέθοδος και θα υλοποιηθεί (σε Matlab ή C++) Βάσεις τέτοιων εικόνων θα βρεθούν απο το διαδίκτυο. Κλασσικη βάση και σχετικό λογισµικό HaSIS: http://bias.csr.unibo.it/research/biolab/bio_tree.html Την εργασία αυτή θα επιβλέπει και ο Υ. ηµήτριος Μπεσύρης
9. Βιοµετρία: δακτυλικά αποτυπώµατα Στην εργασία αυτή θα γίνει µελέτη των δακτυλικών αποτυπωµάτων σαν βιοµετρική διαδικασία ταυτοποίησης ή αναγνώρισης προσώπου Θα γίνει µελέτη των κλασσικών µεθόδων, επεξεργασίας, εξαγωγής χαρακτηριστικών και οµαδοποίησης. Βάσεις τέτοιων εικόνων και σχετικές εργασίες υπάρχουν στο διαδίκτυο. Πχ: http://bias.csr.unibo.it/research/biolab/bio_tree.html Εκτός οµως αυτών υπάρχει και συσκευή στο εργαστήριο για λήψη δακτυλικών αποτυπωµάτων. Θα υλοποιηθεί ένα τέτοιο σύστηµα αναγνώρισης σε Matlab ή C++. Την εργασία αυτή θα επιβλέπει και ο Υ. Αθανάσιος Παπαζαχαρίας
10. Aναγνώριση ταυτοποίηση µε ΙΡΙ Α Στην εργασία αυτή θα γίνει µελέτη και εκτίµηση των υπαρχόντων αλγορίθµων για αναγνώριση προσώπου βασισµένη στην ίριδα. Η ίριδα είναι ένα απο τα βασικά βιοµετρικά χαρακτηριστικά. Υπάρχει διαθέσιµη µεγάλη βάση δεδοµένων. Η υλοποίηση θα γίνει µε το Matlab. Την εργασία αυτή θα επιβλέπει και ο Υ. Αθανάσιος Παπαζαχαρίας
11. «Ανάπτυξη έµπειρου συστήµατος για την αυτόµατη ταξινόµηση χαρτών καιρού» Aντικείµενο του έργου είναι η επεξεργασία χαρτών καιρού, βασισµένη σε µεθόδους Ψηφιακής Επεξεργασίας Σήµατος και Εικόνας, οµαδοποίησης και Αναγνώρισης Προτύπων. Στόχος είναι η αυτόµατη ταξινόµηση τους για χρήση τους σε κλιµατολογικές και περιβαλλοντικές εφαρµογές. Υπάρχει διαθέσιµη µία µεγάλη βάση δεδοµένων (χαρτών) για την περιοχή της Αττικής. Προκαταρκτική µελέτη έχει ήδη γίνει σε προηγούµενη διπλωµατική εργασία. Στη µελέτη αυτή εκτός απο την (προ)εργασία εξαγωγής χαρακτηριστικών θα µελετηθούν διαδικασίες οµαδοποίησης βασισµένες σε multidimentional scaling. Πληροφορίες: Αργυρίου Αθανάσιος Φωτόπουλος Σπύρος