Экспериментальные результаты исследования алгоритма для поиска ключевых точек лица
- Информация о материале
- Опубликовано: 09.10.2018, 00:49
Завершено первичное экспериментальное исследование алгоритма поиска ключевых точек лица предназначенного для нормализации его пространственной ориентации и последующего построения дескриптора и непосредственного распознавания (II и IV элементы системы). Алгоритм исследован на ограниченной выборке из 1020 снимков базы MF2, предназначенной для обучения ИНС.
Разметка изображения базы далеко не идеальна (пример показан на изображении ниже, красная разметка – эталонная из json файла), поэтому провести тестирование в автоматическом режиме не удалось (потребовалась ручная сортировка изображений с высокими значениями ошибки).
В качестве критерия точности использована средняя квадратическая ошибка (СКО) координат точек, нормированная размером области лица (нормирование выполнено, чтобы сделать результат независящим от разрешения лица).
СКО для исследованной выборки составляет 2,78%, максимальное значение ошибки для отдельного лица: 12%.
Для статистической обработки результатов использовано пороговое значение 4% (СКО 4 точки при линейном размере области лица в 100 точек), согласно которому 91,5% результатов признаны успешными.
Статистика СКО по отдельным элементам лица (высокий разрос объясняется малым количеством изображений в тестовой выборке):
Группа | СКО,% | Максимальная ошибка для отдельного лица,% | Успешных результатов, % |
Овал лица | 3,32 | 16 | 83,1 |
Правая бровь | 2,15 | 15,35 | 93,42 |
Левая бровь | 3,21 | 14,25 | 84,01 |
Нос | 2,5 | 14,81 | 94,79 |
Правый глаз | 1,99 | 14,19 | 95,58 |
Левый глаз | 2,76 | 10,59 | 92,34 |
Губы | 2,79 | 20,15 | 92,63 |
Наибольший вклад в общую ошибку вносит овал лица, поскольку алгоритм поиска допускает следующие неточности:
1. Смещение овала лица у людей с избыточным весом
2. Некорректное позиционирование при наличии бороды (по видимой границе)
3. Укорачивание лица при активной мимике
Дальнейшая работа по выделению ключевых точек лица будет вестись в направлении подготовки собственной выборки для настройки регрессионной модели с учетом выявленных особенностей.
КодЛикс разрабатывает программное обеспечение обработки изображений, систем технического зрения, искусственный интеллект и нейросети. Мы создаём программное обеспечение любой сложности под ключ и с гарантией.