Для анализа у нас есть последовательность изображений или фильма. Моя цель — создать полуавтоматическое распознавание лица и глаз для этих последовательностей. Последовательности состоят из около 4000 изображений с небольшим движением фронтальной съемки человека. Я хочу обработать эти изображения полуавтоматически или вручную, чтобы получить две / три области интереса для лица и глаз.
Я попробовал каскадные классификаторы OpenCV, но для моих последовательностей они не оказываются надежными (при ручном контроле нам нужно получить показатель 100%). Каскадные классификаторы не дают позиции, например. когда человек смотрит немного в сторону.
Есть ли какой-нибудь полуавтоматический подход для imagej, matlab или opencv / c ++ для выбора / исправления rois вручную, если обнаружена ложь, или для выбора шаблонов для отслеживания?
Если вы обрабатываете фильм, разумно предположить, что движение между кадрами низкое. Ниже приведен возможный подход.
Инициализируйте первый кадр вручную (или получите пользовательский ввод для подтверждения / редактирования позиций, обнаруженных каскадными классификаторами)
Для следующего кадра убедитесь, что обнаруженные функции находятся слишком далеко от исходных положений. Вы также можете проверить, движутся ли позиции разных частей нелогичным образом.
Остановитесь и попросите пользователя исправить баллы, если при обработке на шаге 2 появятся ошибки.
Примечание. При использовании каскадов OpenCV распознавание лиц обычно выполняется с высокой точностью. Но обнаружение глаз не так точно, и вы можете не обнаружить оба глаза в некоторых кадрах. Некоторые проекты используют AAM (активные модели внешнего вида) для надежного отслеживания лица, и это может работать для вас.
Для обнаружения лица попробуйте этот список из 50+ API:
http://blog.mashape.com/post/53379410412/list-of-50-face-detection-recognition-apis
для обнаружения глаз вы можете попробовать детектор метки:
http://cmp.felk.cvut.cz/~uricamic/flandmark/
Или STASM:
http://www.milbo.users.sonic.net/stasm/