Ảnh phác họa đối sánh (Bản vẽ) đối với ảnh màu kỹ thuật số

Question

Tôi sẽ khớp với mặt phác họa (ảnh vẽ) vào ảnh màu. Vì vậy, để nghiên cứu tôi muốn tìm ra những thách thức mà phù hợp với bản vẽ phác thảo trong khuôn mặt màu sắc là những gì. cho bây giờ tôi đã tìm ra rằng

1. pixel chênh lệch
2. khác biệt kết cấu
3. chênh lệch khoảng cách
4. và màu sắc (không có nhiều tác dụng)

Tôi muốn biết (về kỹ thuật) những thách thức nào khác và phương pháp nào có sẵn OPEN CV và JAVA CV và các thuật toán để vượt qua những thách thức đó?

Dưới đây là một số ví dụ về các bản phác thảo và các bức ảnh mà được biết là để phù hợp với họ:

Answer 1

Bạn có thể cung cấp cho Eigenfaces thử, mặc dù tôi không bao giờ thử nghiệm chúng với bản phác thảo tôi nghĩ rằng họ có thể một thiểu là một điểm khởi đầu tốt cho nghiên cứu của bạn.

Xem Wiki: http://en.wikipedia.org/wiki/Eigenface và Hướng dẫn cho OpenCV: (! Bao gồm không chỉ Eigenfaces) http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html

Answer 2

Tôi nghĩ rằng công việc cũ James Elder về tính đầy đủ của bản đồ cạnh (sử dụng xây dựng lại bằng cách giải phương trình Laplace) là khá có liên quan ở đây. Xem kết quả ở cuối bài báo này: http://elderlab.yorku.ca/~elder/publications/journals/ElderIJCV99.pdf

Answer 3

Sự cố này được gọi là nhận dạng khuôn mặt đa phương thức. Đã có rất nhiều sự quan tâm trong việc so sánh hình ảnh chất lượng cao (phương thức 1) với hình ảnh giám sát chất lượng thấp (phương thức 2), một hình ảnh mặt trước khác cho hồ sơ, hoặc hình ảnh phác họa như OP quan tâm.) và Tied Factor Analysis (TFA) đã được sử dụng cho mục đích này.

Khó khăn chính là tính toán hai phép chiếu tuyến tính từ hình ảnh theo phương thức 1 (và phương thức 2) tới một khoảng trống có hai điểm gần đúng nghĩa là cá nhân giống nhau. Đây là bước kỹ thuật quan trọng. Dưới đây là một số giấy tờ về phương pháp này:

1. Abhishek Sharma, David W Jacobs: Bypassing Synthesis: PLS for Face Recognition with Pose, Low-Resolution and Sketch. CVPR 2011.
2. S.J.D. Hoàng tử, J.H. Anh Cả, J. Warrell, F.M. Felisberti, Tied Factor Analysis for Face Recognition across Large Pose Differences, IEEE Patt. Anal. Mach. Intell, 30 (6), 970-984, 2008. Anh Cả là chuyên gia trong lĩnh vực này và có a variety of papers on the topic.
3. B. Klare, Z. Li và A. K. Jain, Matching forensic sketches to mugshot photos, IEEE mẫu Phân tích và Máy Intelligence, 29 Tháng Chín 2010.

Như bạn có thể hiểu đây là một nghiên cứu hoạt động khu vực/vấn đề. Trong điều khoản sử dụng OpenCV để khắc phục những khó khăn, hãy để tôi cho bạn một sự tương tự: bạn cần xây dựng một ngôi nhà (vẽ phác thảo cho ảnh) và bạn hỏi làm thế nào sẽ có một cái búa Stanley (OpenCV) sẽ giúp ích. Chắc chắn, nó có lẽ sẽ giúp đỡ. Nhưng bạn cũng sẽ cần rất nhiều tài nguyên khác: gỗ, thời gian/tiền bạc, đường ống, cáp, v.v.

Answer 4

OpenCV có thể được sử dụng để trích xuất tính năng và học máy cần thiết cho tác vụ này.Tôi đoán bạn có thể bắt đầu với các bài báo trong các câu trả lời ở trên, bắt đầu với một số tính năng cơ bản và thử nghiệm một trình phân loại với OpenCV.

Tôi đoán bạn cũng có thể muốn phát hiện và đối sánh các điểm đối tượng trên khuôn mặt. Nếu bạn sử dụng phương pháp này, bạn sẽ phải tự mình dò ​​tìm điểm tính năng (đào tạo máy dò Viola-Jones trong OpenCV với dữ liệu của riêng bạn là một tùy chọn).