In der Überwachungstechnik ist das maschinelle Sehen von großer Bedeutung, welches durch Computer Vision Methoden ermöglicht wird. Beim maschinellen Sehen wird zwischen der Lokalisierung (engl. detection) und der Erkennung (engl. recognition) unterschieden. Diese Arbeit beschäftigt sich mit der Lokalisierung von Gesichtern. Aus diesem Grund wird in dieser Arbeit ein Verfahren zur Detektion von Gesichtern in Drohnenaufnahmen vorgestellt.
Als Drohne wurde die Ryze Tello Edu 1 eingesetzt. Die Detektion von Gesichtern wurde mithilfe der Bibliothek OpenCV umgesetzt. Als Algorithmus zur Lokalisierung der Gesichter wurde die Viola-Jones Methode verwendet. Im Ergebnis hat sich gezeigt, dass das verwendete Verfahren bei frontalen Gesichtern stabil funktioniert, allerdings bei seitlichen Gesichtern Probleme aufweist. Außerdem konnte mithilfe einer Parameteroptimierung die Anzahl der False Positives deutlich reduziert werden.
Inhaltsverzeichnis
1 EINFÜHRUNG
2 GESICHTSDETEKTION
2.1 Verwandte Arbeiten
2.2 Funktionsweise der Viola-Jones Methode
3 PROTOTYP
3.1 Konzept
3.2 Realisierung
4 EVALUATION UND ERGEBNISSE
5 ZUSAMMENFASSUNG UND AUSBLICK
Zielsetzung & Themen
Das primäre Ziel dieser Arbeit ist die Evaluation der Viola-Jones Methode zur Gesichtslokalisierung in Drohnenaufnahmen sowie die praktische Implementierung und Optimierung des Verfahrens in einem Echtzeit-Kontext.
- Einsatz von Computer-Vision-Verfahren zur Gesichtsdetektion
- Analyse der Viola-Jones Methode und ihrer Funktionsweise
- Entwicklung eines Prototyps auf Basis einer Ryze Tello Edu Drohne
- Optimierung von Detektionsparametern zur Reduzierung von False Positives
- Evaluierung der Leistungsfähigkeit anhand von ROC-Kurven und Benchmarks
Auszug aus dem Buch
2.2 FUNKTIONSWEISE DER VIOLA-JONES METHODE
Die Erklärung der Viola-Jones Methode basiert auf dem Paper [VJ01] von Viola und Jones. Der in dieser Arbeit untersuchte Objektdetektionsalgorithmus ermöglicht eine schnelle Verarbeitung der Bildern in Kombination mit einer hohen Detektionsrate. Die Viola-Jones Methode unterteilt sich in folgende drei Schlüsselkonzepte:
• Integralbild: Schnelle Auswertung der Bilder
• AdaBoost: Ermittlung von leistungsfähigen Merkmalen
• Kaskade: Kombination von Merkmalen in einer Kaskade
Im ersten Schritt muss das Bild in ein Grauwertbild umgewandelt werden. Der Grauwert wird mit der Formel Grauwert = 0.299 × Rotanteil + 0.587 × Gruenanteil + 0.114 × Blauanteil berechnet. Anschließend wird auf Basis des Grauwertbildes ein Integralbild berechnet. Die Abb. 2.1 zeigt eine schematische Darstellung mit vier Rechtecken.
Zusammenfassung der Kapitel
1 EINFÜHRUNG: Diese Einleitung erläutert die Bedeutung der Gesichtslokalisierung für die Überwachungstechnik und definiert die Forschungsfragen zur Robustheit und Leistungsfähigkeit der Viola-Jones Methode.
2 GESICHTSDETEKTION: Dieses Kapitel gibt einen Überblick über verschiedene Ansätze der Gesichtslokalisierung und erläutert detailliert die mathematischen und methodischen Grundlagen des Viola-Jones-Algorithmus.
3 PROTOTYP: Hier wird das Konzept und die technische Umsetzung beschrieben, wobei die Verwendung der Drohne Ryze Tello Edu sowie die Programmierung des Detektionsskripts mittels OpenCV im Fokus stehen.
4 EVALUATION UND ERGEBNISSE: In diesem Kapitel erfolgt die quantitative Analyse der Detektionsleistung, wobei der Einfluss der Parameter scaleFactor und minNeighbors anhand von ROC-Kurven bewertet wird.
5 ZUSAMMENFASSUNG UND AUSBLICK: Das abschließende Kapitel resümiert die Ergebnisse der Arbeit und gibt Empfehlungen für den Einsatz alternativer Ansätze wie Convolutional Neural Networks.
Schlüsselwörter
Gesichtsdetektion, Computer Vision, Viola-Jones Methode, Drohnenaufnahmen, Echtzeitdetektion, OpenCV, Integralbild, AdaBoost, Kaskade, False Positives, ROC-Kurve, Parameteroptimierung, Ryze Tello Edu, Gesichtslokalisierung, Benchmark.
Häufig gestellte Fragen
Worum geht es in dieser Studienarbeit grundsätzlich?
Die Arbeit untersucht die Eignung des Viola-Jones-Algorithmus für die automatische Detektion von Gesichtern in Echtzeit-Videostreams von Drohnen.
Was sind die zentralen Themenfelder der Untersuchung?
Die Arbeit deckt die theoretischen Grundlagen der Objekterkennung, die praktische Implementierung von Computer-Vision-Skripten und die empirische Parameteroptimierung ab.
Was ist die primäre Forschungsfrage der Arbeit?
Die Arbeit klärt, wie effizient und robust die Viola-Jones Methode Gesichter in Drohnenaufnahmen lokalisieren kann und wie eine Optimierung die Fehlerrate beeinflusst.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es wird eine experimentelle Evaluation durchgeführt, bei der die Leistung des Algorithmus auf Basis von ROC-Kurven gegen standardisierte Datensätze (FDDB) gemessen wird.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Einführung der Viola-Jones-Methode, die Vorstellung der Systemarchitektur des Drohnen-Prototyps und die Analyse der Ergebnisse.
Welche Schlüsselwörter charakterisieren diese Arbeit?
Die Arbeit lässt sich primär durch Begriffe wie Gesichtslokalisierung, OpenCV, Echtzeitverarbeitung, Drohnen-Monitoring und Performance-Optimierung beschreiben.
Warum wurde die Drohne Ryze Tello Edu für das Projekt ausgewählt?
Die Drohne dient als praxisnahe Plattform, um die Echtzeitfähigkeit des Algorithmus unter realen Bedingungen bei der Videostream-Auswertung zu testen.
Welchen Einfluss haben die Parameter minNeighbors und scaleFactor?
Die Anpassung dieser Parameter ermöglicht eine präzisere Identifikation von Gesichtern und reduziert die Anzahl der fälschlicherweise erkannten Gesichter (False Positives) signifikant.
Wie geht der Algorithmus mit seitlich fotografierten Gesichtern um?
Die Evaluation zeigt, dass die Viola-Jones Methode bei seitlich orientierten Gesichtern eine deutlich schwächere Performance aufweist, da wesentliche Merkmale nicht korrekt erfasst werden.
- Citation du texte
- Janik Tinz (Auteur), Patrick Tinz (Auteur), 2020, Zur Lokalisation von Gesichtern. Echtzeitdetektion in Drohnenaufnahmen, Munich, GRIN Verlag, https://www.grin.com/document/1022608
