Chulalongkorn University Theses and Dissertations (Chula ETD)

การตรวจหาและติดตามใบหน้าด้วยกล้องวีดิทัศน์ 2 ตัวแบบส่ายก้มเงยและซูม

Other Title (Parallel Title in Other Language of ETD)

Face detection and tracking using two pan/tilt/zoom video cameras

Year (A.D.)

2005

Document Type

Thesis

First Advisor

สุภาวดี อร่ามวิทย์

Second Advisor

ธนารัตน์ ชลิดาพงศ์

Faculty/College

Faculty of Engineering (คณะวิศวกรรมศาสตร์)

Degree Name

วิศวกรรมศาสตรมหาบัณฑิต

Degree Level

ปริญญาโท

Degree Discipline

วิศวกรรมไฟฟ้า

DOI

10.58837/CHULA.THE.2005.1376

Abstract

วิทยานิพนธ์นี้นำเสนอขั้นตอนวิธีการตรวจหา ติดตาม และรู้จำใบหน้าเวลาจริง โดยใช้กล้องวีดิทัศน์ส่าย ก้มเงย และซูม (PTZ) 2 ตัว ทำงานร่วมกัน โดยแบ่งการทำงานร่วมกันออกได้เป็น 2 ส่วน คือ ส่วนการรู้จำใบหน้าและติดตามบุคคลเป้าหมาย ในส่วนของการรู้จำใบหน้าร่วมกันจะอาศัยผลการรู้จำที่ได้จากทั้งสองกล้อง ข้อดีของกระบวนการนี้ คือ เป็นการเพิ่มโอกาสที่จะรับภาพใบหน้าได้ในมุมมองที่ดีทั้งในด้านขนาดและตำแหน่งมุมมอง นั่นคือ เป็นการเพิ่มความแม่นยำของการรู้จำใบหน้า โดยการใช้ผลของการรู้จำใบหน้าจากกล้องทั้งสองมาพิจารณาและวิเคราะห์ร่วมกัน ทั้งนี้สำหรับกล้องวีดิทัศน์แต่ละตัว ใบหน้ามนุษย์จะถูกตรวจหาและแยกส่วนจากฉากวีดิทัศน์โดยใช้การตรวจหาการเคลื่อนที่และสีผิว จากนั้นจะนำภาพใบหน้าที่ได้ไปใช้สำหรับการรู้จำ ซึ่งจะใช้กระบวนการจับคู่ใบหน้าด้วยการวัดความคล้ายของการแจกแจงของสีระหว่างภาพใบหน้ารับเข้ากับภาพใบหน้าในฐานข้อมูลด้วยระยะ Bhattacharyya ส่วนการทำงานร่วมกันแบบที่สอง คือ การทำงานร่วมกันสำหรับติดตามบุคคลเป้าหมายอย่างต่อเนื่องระหว่างกล้องวีดิทัศน์ทั้งสองตัว โดยใช้ลักษณะสีและทิศทางการเคลื่อนที่สำหรับการระบุบุคคล ผลการทดลอง แสดงให้เห็นว่าขั้นตอนวิธีที่นำเสนอสามารถตรวจหา ติดตาม และรู้จำใบหน้ามนุษย์ ได้ด้วยอัตราความแม่นยำที่สมเหตุสมผล ภายใต้สภาพแวดล้อมที่กำหนดมุมมองของมนุษย์ นอกเหนือจากนี้ยังมีการนำเสนอผลการทดลองของการส่งต่อข้อมูลระหว่างกล้องในส่วนของการติดตามบุคคลเป้าหมายอย่างต่อเนื่องร่วมกันระหว่างกล้องสองตัวในบริเวณกว้าง

Other Abstract (Other language abstract of ETD)

In this thesis, we present a method for real-time face detection, tracking, and recognizing using two cooperative pan-tilt-zoom (PTZ) cameras. The cooperative tasks are divided into two parts – face recognition and target human tracking. The cooperative face recognition identifies face based on results from both cameras. The advantages of this approach include increasing chances that we can obtain good face images (both in size and pose), as well as increasing recognition accuracy by combining the recognition results from multiple cameras. For each camera, the human face is detected and segmented from the video scene using motion and skin color cues. Then, the recognition is performed using a face matching method based on Bhattacharyya distance to measure a similarity between color-distribution of face images. The other part of the multiple camera collaborations is the cooperative in continuous tracking a target person between both cameras. In tracking, to identify person, we use color and motion as features. Experimental results show our proposed method can detect, track, and recognize human face under unconstrained human pose environment with reasonable accuracy rate. In addition, the results of the camera hand-off in continuous cooperative tracking of a target person under wide area are also presented.

Link to Full Text

Share

COinS