Zbirka Matlab-ovih orodij PhD (angl. Pretty helpful Development functions for face recognition) predstavlja skupek Matlabovih funkcij in skript, namenjenih raziskovalcem, ki delujejo na področju samodejnega razpoznavanja obrazov. Zbirka vsebuje referenčne implementacije nekaterih popularnih postopkov, ki se uporabljajo za razpoznavanje obrazov, kot so Analiza glavnih komponent (angl. Principal Component Analysis - PCA), Linearna diskriminantna analiza (angl. Linear Discriminant Analysis - LDA), Nelinearna analiza glavnih komponent (angl. Kernel Principal Component Analysis - KPCA) in nelinearna diskriminantna analiza (angl. Kernel Fisher Analysis - KFA), funkcije za izgradnjo Gaborjevih filtrov, izračun odzivov Gaborjevih filtrov in ostala orodja, potrebna za implementacijo postopkov razpoznavanja, ki temeljijo na Gaborjevih značilkah. Poleg postopkov, namenjenih izpeljavi značilk in razpoznavanju, zbirka orodij vsebuje tudi evalvacijska orodja, s katerimi je moč na preprost način preveriti učinkovitost danih postopkov razpoznavanja. Orodja omogočajo izgradnjo ROC (angl. Receiver Operating Characteristics), EPC (angl . Expected Performance Curves) in CMC (angl. Cumulative Match score Curves) krivulj. Priročno orodje za boljše razumevanja postopka razpoznavanja so demonstracijske skripte zbirke, ki prikažejo pomen in izvedbo vseh pomembnejših korakov v sistemih za samodejno razpoznavanje obrazov: registracijo obrazov, izpeljavo značilk in njihovo razvrščanje ter nenazadnje demonstrirajo tudi izvedbo evalvacijskih postopkov. Zbirka orodij PhD, ki je nastala v okviru projekta BAMBI, je trenutno na voljo z več spletnih repozitorijev, kot so Matlab Central, domača stran raziskovalne srenje, ki se ukvarja z razpoznavanjem obrazov (http://www.face-rec.org/) ter domača stran zbirke orodij PhD (http://luks.fe.uni-lj.si/sl/osebje/vitomir/face_tools/PhDface/). Omenimo še, da je bila zbirka od trenutka objave skupaj s priročnikom za uporabo [COBISS.SI-ID 8967764] prenesena že več tisoč-krat.
F.23 Razvoj novih sistemskih, normativnih, programskih in metodoloških rešitev
COBISS.SI-ID: 8967508Zanesljiva poravnava obraznih področij z v naprej določeno kanonično formo obraza predstavlja enega ključnih korakov v sistemih za samodejno razpoznavanju obrazov. Obstoječi postopki kot podlago za poravnavo najpogosteje uporabljajo kar koordinate oči, kar poraja zahtevo po učinkovitih postopkih za lokalizacijo oči v slikah. V vabljenem predavanju v ta namen predstavljamo novo skupino korelacijskih filtrov z imenom glavne smeri sintetičnih korelacijskih filtrov (angl. Principal directions of Synthetic Exact Filters - PSEFs). Predstavljeni filtri se odlikujejo z izredno kratkimi časi učenja, računsko preprostostjo, visoko učinkovitostjo lokalizacije in zmožnostjo delovanja v realnem času. V predavanju predstavimo postopek izgradnje filtrov PSEF, njihove karakteristike, postopek njihove uporabe za namene iskanja oči v sliki in hevristične pristope, ki pripomorejo k še boljšemu delovanju filtrov. Učinkovitost lokalizacije s predlaganimi filtri pokažemo na javno dosegljivih podatkovnih zbirkah FERET in LWF, kjer izvedemo še primerjavo z uveljavljenimi postopki lokalizacije kot je lokalizacija na podlagi detektorja Viole in Jonesa ali lokalizacija na podlagi ASEF filtrov. V vseh poizkusih predlagani filtri PSEF dosežejo najboljše rezultate lokalizacije, pri čemer je čas, potreben za lokalizacijo več kot 10x krajši od časa, ki ga lokalizacijo porabi detektor Viole in Jonesa. Predavanje temelji na referatu s konference ERK: »Advanced correlation filters for facial landmark localization« [COBISS.SI-ID 9381716].
B.04 Vabljeno predavanje
COBISS.SI-ID: 9402452Švicarski raziskovalni institut Idiap je v letu 2013 v okviru mednarodne konference o biometriji (ICB 2013) organiziral tekmovanje v razpoznavanji obrazov, ki je bilo namenjenu skupinski evalvaciji obstoječih tehnologij z namenom identificirati metode, ki so najprimernejše za razpoznavanje v nenadzorovanih okoljih. Tekmovanje je privabilo močno mednarodno konkurenco iz različnih delov sveta, vsaka od sodelujočih institucij pa je k tekmovanje prispevala po en sistem. Kot podatkovna zbirka, na kateri so se ob v naprej določenem protokolu izvajali poizkusi, je bila izbrana podatkovna zbirka MOBIO. Zbirka MOBIO je bila posneta z različnimi mobilnimi napravami in odraža realne razmere, ki jih sprečamo tudi pri razpoznavanu z mobilnimi napravami. Tekmovanja smo se udeleželi s sistemom, ki je nastal tudi na podlagi raziskovalnega dela, izvedenega v okviru podoktorskega projekta BAMBI, in z njim dosegli najboljši rezultat razpoznavanja in s tem prvo mesto na tekmovanju.
E.02 Mednarodne nagrade
COBISS.SI-ID: 10176852Mere podobnosti, ki predstavljajo podlago za sklepanje o identiteti uporabnikov v biometričnih sistemih, so tipično podvrženi statističnim variacijam. Te variacije so posledica različnih razmer, v katerih so bili zajeti biometrični vzorci, in so skupne tako forenzičnim aplikacijam biometričnih sistemov kot aplikacijam v pametnih hišah, ipd. Z namenom zmanjšanja teh variacij se raziskovalci pogosto poslužujejo postopkov normiranja mer podobnosti. Primeri takšnih postopkov predstavljajo z-norma, t-norma ali zt-norma. V tem referatu pozornost namenjamo dvo-koračnim postopkom normiranja, kot je zt-norma, in predstavimo nov pristop k implementaciji takšnih postopkov. V referatu predlagamo, da se prvi korak dvo-koračnih postopkov normiranja izvede v naprej in sicer na neparametrični način, drugi korak pa se izvede tekom delovanja sistema na klasičen, parametričen način. Eksperimentalni rezultati na problemu razpoznavanja obrazov kažejo na to, da predlagani, hibridni postopek k normiranju mer podobnosti zagotavlja višjo učinkovitost razpoznavanja kot parametrični pristopi brez povečanja računske zahtevnosti, ki je glavna slabost čistih neparametričnih postopkov.
B.03 Referat na mednarodni znanstveni konferenci
COBISS.SI-ID: 9757524V referatu predstavljamo nov pristop k razpoznavanju obrazov, ki temelji na nedavno predlagani poenostavljeni verjetnostni linearni diskriminantni analizi. Predlagani pristop je namenjen razpoznavanju v najzahtevnejših razmerah, v katerih se srečujemo s spremembami v izgledu obraza, ki jih ne moremo zadovoljivo modelirati z linearnimi modeli. Takšne spremembe pogosto nastopijo kot posledica spremenljivih razmer, v katerih je bila slika obraza zajeta, in predstavljajo precejšnje ovire za obstoječo tehnologijo razpoznavanja obrazov. V referatu predstavimo novo bločno poenostavljeno verjetnostno linearno diskriminantno analizo, ki kot podlago za procesiranje uporablja manjše bloke slike namesto celotne slike obraza. Osnovna ideja takšnega pristopa je razbitje kompleksnega problema razpoznavanja obrazov na manjše preprostejše probleme, ki jim linearna narava poenostavljene verjetnostne linearne diskriminantne analize bolje ustreza. S predlaganim postopkom iz ene slike obraza pridelamo več mer podobnosti (za vsak blok posebej), ki jih v zadnjem koraku postopka združimo s pomočjo fuzijskega pravila vsote. Predlagani postopek preizkusimo v okviru četrtega eksperimenta zbirke FRGCv2 z izredno spodbudnimi rezultati.
B.03 Referat na mednarodni znanstveni konferenci
COBISS.SI-ID: 9890644