Detección y
emborronado de caras en
fotos a color
Daniel Gallardo Ríos • Jesús Gómez Martín • Carlos Pérez Lombardo
Procesamiento de Imágenes Digitales • Curso 2013-14
Ingeniería en Informática • ETSII Universidad de Sevilla
Índice de la presentación
•
•
•
•
Motivación del trabajo
Procesamiento de las imágenes paso a paso
Conclusiones
Bibliografía
MOTIVACIÓN
Emborronar las caras de
personas que aparecen en
imágenes detectadas por
dispositivos automático de
captación de denuncias de
tráfico.
Procesamiento de las imágenes
• El Espacio RGB será nuestro espacio de color original de imagen.
• Calcular ciertos valores en RGB resulta poco intuitivo y más laborioso.
Procesamiento de las imágenes
• El espacio HSV está formado por tres vectores que indican el valor
de matiz (Hue), Saturation(Saturatión) y value (valor).
• Usamos HSV ya que es uno de los modelos más usados para la
percepción del color humano.
Paso 1
• Conversión de RGB a HSV
y binarización.
• Filtro utilizado:
H ([0,25] U [355,360])
S [0.4,0.6]
V [0.4,1]
Paso 2
• Conversión de RGB a HSV
y binarización.
• Filtro utilizado:
H ([0,25] U [355,360])
S [0.4,0.6]
V [0.4,1]
Paso 3
• Conversión de RGB a HSV
y binarización.
• Filtro utilizado:
H ([0,25] U [355,360])
S [0.4,0.6]
V [0.4,1]
Paso 4
• Conversión de RGB a HSV
y binarización.
• Filtro utilizado:
H ([0,25] U [355,360])
S [0.4,0.6]
V [0.4,1]
Paso 5
• Operación
AND
de
componentes H, S y V.
las
Paso 6
• Rellenado
de
Huecos
componentes conexas.
en
Paso 7
• Rellenado
de
Huecos
componentes conexas.
en
Paso 8
• Erosión y dilatación.
Paso 9
• Obtención de los huecos de la
cara.
Paso 10
• Selección
de
componentes
conexas con huecos.
Paso 11
• Selección de posibles caras.
Paso 12
• Relleno de caras.
Paso 13
• Inversa de Caras.
Paso 14
• Fondo de la imagen sin caras.
Paso 15
• Caras de la imagen.
Paso 16
• Filtro de Gauss aplicado a las
caras.
• Suma de las caras filtradas con el
fondo de la imagen sin caras.
Paso 17
• Filtro de Gauss aplicado a las
caras.
• Suma de las caras filtradas con
el fondo de la imagen sin caras.
Conclusiones
•
Múltiples formas de resolver el problema.
•
En General, es satisfactorio para la mayor parte de tonalidades de piel.
•
El entorno de desarrollo de MATLAB contiene funciones que facilitan el
trabajo.
Bibliografía
[1] MathWorks. MATLAB Getting Started Guide R2011b [en línea].
http://www.mathworks.com/help/pdf_doc/matlab/getstart.pdf
[2] GARCÍA DE JALÓN, J.; RODRÍGUEZ, J.I.; VIDAL, J. Aprenda Matlab 7.0 como si estuviera en primero [en línea].
http://mat21.etsii.upm.es/ayudainf/aprendainf/Matlab70/matlab70primero.pdf
[3] MathWorks. MATLAB Creating Graphical User Interfaces R2011b [en línea].
http://www.mathworks.com/help/pdf_doc/matlab/buildgui.pdf
[4] Yanjiang Wang, Baozong Yuan. A novel approach for human face detection from color images under complex background.
[5] C. Pérez , M. A. Vicente, C. Fernández, O. Reinoso, A. Gil. Aplicación de los diferentes espacios de color para detección y
seguimiento de caras.
[6] Ramello, Pedro Martín. Comparación de métodos de detección de piel en modelos de
color YCbCr y HSI para reconocimiento de caras.
[7] Darío de Miguel Benito. Detección automática del color de la piel en imágenes bidimensionales basado en el análisis de regiones.
[8] Ralf Wilke. Detección de la piel humana en una imagen digital.
[9] Marlon Fabián Macías Sánchez, Patricia X. Chávez Burbano. Detección de Rostros Humanos en Posición Frontal en Imágenes a Color
Utilizando Propiedades Estadísticas de la Piel Humana Junto con el Método de Concordancia con el Rostro Plantilla.
[10] Eduardo Laorden Fiter. Descripción, comparación y ejemplos de uso de las funciones de la toolbox de procesado digital de
imágenes de MATLAB.
Descargar

Detección y emborronado de caras en fotos a color