W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania ćwiczenia: Ćwiczenie prowadził: Nazwisko i imię: Ocena...... 1.... 2.... 3.... 4.... Uwagi: Podpis: S P R A W O Z D A N I E Z Ć W I C Z E N I A L A B O R A T O R Y J N E G O T e m a t : B a d a n i e m e t o d p r z e k s z t a ł c e ń o b r a z u b i o m e t r y c z n e g o 1. ITRUKCJA OBSŁUGI PROGRAMU Program umożliwi uruchamianie pliku wykonywalnego z dowolnej lokalizacji, jednak istotnym jest, aby nie pominąć zintegrowanego folderu zawierającego m.in. pliki obrazowe, dźwiękowe oraz arkusze z zaszyfrowanymi nazwami klas. Optymalną metodą uruchomienia programu jest wywołanie polecenie FaceRecognizer.exe z konsoli systemowego interpretera poleceń(cmd). Program operuje na plikach obrazowych w formacie.jpg, o parametrach: rozdzielczość 128x128 pikseli, obraz w skali szarości(monochromatyczne), głębia w bitach: 8. W celu poprawnego korzystania z programu konieczna jest kamera USB, zewnętrzna lub zintegrowana. Po uruchomieniu programu otwiera się okno główne przedstawione na rysunku 1. Program wymaga do działania pakietu MATLAB Runtime R2012b 64 bit, pełniącego funkcję wirtualnej maszyny. Zakładka Generacja BD umożliwia intuicyjne utworzenie zarówno bazy danych uczących jak i danych testujących. Umożliwi wizualizację działania detektora twarzy, oraz zarządzanie poszczególnymi rekordami bazy danych, Rys. 1. Okno główne programu Face Recognizer PRZETWARZANIE SYGNAŁÓW BIOMETRYCZNYCH str. 1 z 5
Zakładka Testowanie umożliwia dokonanie wyboru metody generacji cech, wybór bazy danych do uczenia oraz testowania algorytmu oraz wybór pojedynczego zdjęcia do identyfikacji jednokrotnej. Dodatkowo zamieszczono tu panel statystyki, w którym wyświetlane są m.in. wyniki generacji krzywych ROC (rysunek 2). Rys. 2. Panel programu po wybraniu zakładki Testowanie Zakładka Konfiguracja umożliwia deklarację dokonanie wyboru metody generacji cech, wybór bazy danych do trenowania algorytmu oraz wybór pojedynczego zdjęcia do identyfikacji jednokrotnej. Dodatkowo zamieszczono tu panel statystyki, w którym wyświetlane są m.in. wyniki generacji krzywych ROC (rysunek 2). Rys. 3. Panel programu po wybraniu zakładki Konfiguracja PRZETWARZANIE SYGNAŁÓW BIOMETRYCZNYCH str. 2 z 5
2. ZADANIA DO WYKONANIA Zadanie 1. Badanie podstawowych przekształceń i transformacji obrazu Za pomocą systemowego eksploratora plików zapoznać się z danymi zamieszczonymi w katalogu.\ Faces. Zapoznać się z kodem i interfejsem programu FaceRecognizer, Uruchomić program FaceRecognizer, w zakładce Konfiguracja ustawić wskazaną przez prowadzącego liczbę obrazów w danej klasie uczącej(domyślnie 25), natomiast w zakładce Testowanie załadować wskazaną przez prowadzącego bazę twarzy uczących ( Załaduj bazę danych ) Dla wczytanej bazy danych dokonać generacji cech dla następujących parametrów pracy: bez wyrównywania histogramu, bez stosowania FFT, oraz bez stosowania dodatkowej filtracji obrazu, z zastosowaniem przekształcenia PCA. Dokonać analizy jakości wczytanej bazy danych, m.in. zaobserwować histogramy poszczególnych obrazów twarzy, Zaobserwować wyniki, poszczególnych metod filtracji obrazu oraz transformacji Fouriera dla wczytanych obrazów twarzy Przebadać kątowy zakres detekcji twarzy w trzech osiach dla zaimplementowanego w programie FaceRecognizer detektora twarzy(zakładka Generacja BD) - wg. Zaleceń prowadzącego, wyniki zanotować w Tabeli 1 oraz we wnioskach, Zadanie 2. Filtracja zdegradowanych próbek biometrycznych na przykładzie obrazu twarzy Utworzyć zarówno w bazie uczącej jak i testowej rekordy dla własnej twarzy wg. warunków akwizycji podanych przez prowadzącego, m.in. zmiana wartości natężenia oświetlenia naturalnego oraz sztucznego. Dokonać wyrównania histogramów dla wczytanych obrazów twarzy, zarówno na etapie generacji cech dystynktywnych jak i etapie identyfikacji jednokrotnej, zanotować w Tabeli 2 wyznaczone wartości współczynników błędów identyfikacji dla podanej przez prowadzącego wartości progu odrzucenia, natomiast we wnioskach zanotować empirycznie wyznaczoną wartość optymalną progu odrzucenia, Dokonać filtracji obrazu twarzy poszczególnymi rodzajami filtrów liniowych i nieliniowych, zaobserwować wpływ rodzaju filtracji na sumaryczne wyniki w postaci krzywych ROC (wyniki zanotować oraz omówić we wnioskach sprawozdania), Ww. czynności przeprowadzić zarówno dla wzorcowych obrazów z bazy twarzy (pobranych w komorze bezcieniowej) jak i dla nowo dodanych obrazów twarzy- osób wykonujących ćwiczenie Zadanie 3. Implementacja i weryfikacja metod rozpoznawania osób na podstawie obrazu twarzy Za pomocą załączonego programu FaceRecognizer dokonać porównania rozproszenia pierwszych dwóch a następnie pierwszych trzech cech dla wszystkich zamieszczonych w bazie obrazów twarzy, wnioski zanotować na ostatniej stronie sprawozdania. Następnie powtórzyć ww. czynności dla zmienionych wartości wyświetlanych cech np. dla 4,5,6. We wnioskach zanotować wartości cech pozwalające bezkonfliktowe odseparowanie wskazanych przez prowadzącego identyfikowanych klas. Zaobserwować wyniki rzutowania cech do przestrzeni 2D i 3D dla twarzy należącej do bazy obrazów uczących, oraz dla twarzy nienależącej do bazy odpowiednio dla transformacji PCA i LDA, W sprawozdaniu zanotować odległości euklidesowe do najbliższe klasy oraz najbliższego obrazu(tabela 3). We wnioskach omówić uzyskane wyniki. PRZETWARZANIE SYGNAŁÓW BIOMETRYCZNYCH str. 3 z 5
Tabela 1. Zestawienie zakresu detekcji kątowej dla poszczególnych osi obrotu głowy Wybrany algorytm detekcji twarzy Kątowy zakres maksymalnej detekcji twarzy w osi X Kątowy zakres maksymalnej detekcji twarzy w osi Y Kątowy zakres maksymalnej detekcji twarzy w osi Z Tabela 2. Zestawienie sumarycznych wartości błędów identyfikacji Wartości poszczególnych błędów wyznaczone dla poszczególnych przekształceń FAR FRR TAR TRR Numer przedziału i próg, dla którego wyznaczane są wskaźniki Przedział. Próg odrzucenia Dane wejściowe Dane wejściowe po wyrównaniu histogramu Dane wejściowe po zastosowaniu filtracji Dane wejściowe po zastosowaniu filtracji Tabela 3. Zestawienie odległości euklidesowej identyfikowanego wektora cech w zależności od zastosowanej metody identyfikacji oraz algorytmu klasyfikacji Identyfikowana twarz Metoda identyfikacji Algorytm klasyfikacji Odległość euklidesowa PCA Zawierająca zarejestrowany szablon w bazie LDA PCA Nie zawierająca zarejestrowanego szablonu w bazie LDA PRZETWARZANIE SYGNAŁÓW BIOMETRYCZNYCH str. 4 z 5
2. Spostrzeżenia i wnioski PRZETWARZANIE SYGNAŁÓW BIOMETRYCZNYCH str. 5 z 5