Work

Robust Face Tracking in Video Sequences

Year: 2017
Type: dissertation
Abstract: Ce travail présente une analyse et une discussion détaillées d'un nouveau système de suivi des visages qui utilise plusieurs modèles d'apparence ainsi qu'un e approche suivi par détection.Ce système peut aider un système de reconnaissance de visages basé sur la vidéo en donnant des emplacements de visages d'individus spécifiques (région d'intérêt, ROI) pour chaque cadre.Un système de reconnaissance faciale peut utiliser les ROI fournis par le suivi du visage pour obtenir des preuves accumulées de la présence d'une personne d'une personne présente dans une vidéo, afin d'identifier une personne d'intérêt déjà inscrite dans le système de reconnaissance faciale.La tâche principale d'une méthode de suivi est de trouver l'emplacement d'un visage présent dans une image en utilisant des informations de localisation à partir de la trame précédente.Le processus de recherche se fait en trouvant la meilleure région qui maximise la possibilité d'un visage présent dans la trame en comparant la région avec un modèle d'apparence du visage.Cependant, au cours de ce processus, plusieurs facteurs externes nuisent aux performances d'une méthode de suivi.Ces facteurs externes sont qualifiés de nuisances et apparaissent habituellement sous la forme d'une variation d'éclairage, d'un encombrement de la scène, d'un flou de mouvement, d'une occlusion partielle, etc. Ainsi, le principal défi pour une méthode de suivi est de trouver la meilleure région malgré les changements d'apparence fréquents du visage pendant le processus de suivi.Étant donné qu'il n'est pas possible de contrôler ces nuisances, des modèles d'apparence faciale robustes sont conçus et développés de telle sorte qu'ils soient moins affectés par ces nuisances et peuvent encore suivre un visage avec succès lors de ces scénarios.Bien qu'un modèle d'apparence unique puisse être utilisé pour le suivi d'un visage, il ne peut pas s'attaquer à toutes les nuisances de suivi.Par conséquent, la méthode proposée utilise plusieurs modèles d'apparence faciale pour s'attaquer à ces nuisances.En outre, la méthode proposée combine la méthodologie du suivi par détection en employant un détecteur de visage qui fournit des rectangles englobants pour chaque image.Par conséquent, le détecteur de visage aide la méthode de suivi à aborder les nuisances de suivi.De plus, un détecteur de visage contribue à la réinitialisation du suivi pendant un cas de dérive.Cependant, la précision suivi peut encore être améliorée en générant des candidats additionels autour de l'estimation de la position de l'objet par la méthode de suivi et en choisissant le meilleur parmi eux.Ainsi, dans la méthode proposée, le suivi du visage est formulé comme le visage candidat qui maximise la similitude de tous les modèles d'apparence.vi Bien que tous les mécanismes de suivi susmentionnés soient utilisés pendant le processus de suivi des visages, il est essentiel de mettre à jour les modèles d'apparence pour faire face aux changements d'apparence de celui-ci.Une mise à jour en temps opportun agit comme une mémoire temporelle qui explique l'apparence des changements.Par conséquent, cette mise à jour du modèle nécessite une stratégie qui doit être prudente, sinon une mise à jour intempestive entraînera une contamination du modèle.Dans notre méthode proposée, nous effectuons deux types de mises à jour : mise à jour de l'apparence à long terme et mise à jour de l'apparrence à court terme.La mise à jour de l'apparence à long terme conserve les caractéristiques d'apparence fiables qui sont utiles pour une localisation précise du visage.Par conséquent, ces mises à jour se produisent pendant toute la séquence vidéo.D'autre part, la mise à jour de l'apparence à court terme permet de suivre le visage lors d'un brusque changement d'apparence dû aux nuisances de suivi.Cela permet d'éviter les éventuelles défaillances de suivi telles que la dérive.Les mises à jour à court terme sont régies par une stratégie de détection d'occlusion et en analysant la précision d'une caractéristique pour la localisation du visage.Enfin, cette recherche contribue trois traqueurs d'objets : CTSE, TUNA et FaceTrack, respectivement.Les expériences montrent que le système proposé est assez robuste à de nombreux défis dans le suivi du visage (objet) visuel et a une stratégie bien établie pour effectuer la mise à jour en temps opportun du modèle d'objet en ligne, ce qui le rend plus efficace pour une application dynamique comme le suivi.La méthode proposée surpasse méthode de suivi de la littérature.Le code est écrit en C ++ avec une dépendance sur la bibliothèque open source fournie par OpenCV Community.Le code est ouvert pour faciliter la recherche et le développement.
Language: English
Open Access status: green
OpenAlex ID: W2786327629
Cites: 92
Cited by: 1
Related to: 10