Transcript 発表資料 - 長岡技術科学大学 電気電子情報工学専攻 岩橋研究室

長岡技科大オープンハウス
岐阜高専４年電子制御工学科
森 永二郎
1
オープンハウス日程（８/22～８/26）

１日目 OpenCVの使い方
(2値化、フィルタリング、カラーチャネルの分離と合成)

２日目 目検出
（差分検出、テンプレート検出）

３日目 目検出
（Haar-like特徴分類検出）
４日目 考察・論文検索
 ５日目 発表

2
背景

近年、画像認識の技術は様々なところ
で応用されている。
デジカメの顔認識
（Sony製品情報ページより）
視線入力インターフェース
（視線インターフェースWebページより）
3
目的

OpenCVで画像処理を学ぶ。

画像認識の一部である目検
出の基礎を学ぶ。
4
目検出について
簡単な目検出の方法として以下の３つを作成
 差分を用いた目検出
 テンプレートマッチングを用いた目検出
 Haar-like特徴分類を用いた目検出
5
差分による目検出（差分検出）
 原理
二つの画像の差を抽出して目を検出する。
（左：目を閉じている/右：目を開いている）
6
差分検出の動画
（左：目検出動画/右：差分動画）
7
差分検出の特徴
 動きが無い場合は、検出されないため、
検出までに若干の時間がかかる。
 背景で動く物にも反応する。
8
テンプレートマッチング検出
原理
あらかじめテンプレートとして保存した
ものを用いて、映像中から目を検出す
る。
9
テンプレートマッチング検出動画

テンプレート画像

近づいたり、遠く離
れると検出しなくな
る。
10
テンプレートマッチングの利点・欠点
 利点
・差分検出より正確に早く認識しやすい。
・眼鏡の有無に関わらず検出することが可
能
 欠点
・テンプレートとのずれが大きくなると反応し
ない。
11
Haar-like特徴分類を用いた目検出
 原理
大量のサンプルに対して機械学習をさせて
特徴ファイルを作成しておき、それをもとに
類似部分を検出する。
（永田雅人 著 実践OpenCV 映像処理＆解析 カットシステム 2009年より）
12
Haar-like特徴分類検出の動画
 鼻を誤検出する
場合がある。
 背景の一部を誤
検出している。
13
Haar-like特徴分類の利点・欠点
利点
・多様な人に対して検出処理ができる。
・目以外も、特徴ファイルの種類によって検
出することが可能。
 欠点
・学習をさせて特徴ファイルを改良していく
必要がある。
・特徴ファイルに似た物体に反応し、誤検出
する場合もある。

14
各検出法の特徴
主観的
検出精度
機械
学習型
検出の特徴
差分
3
×
まばたき以外の動きに反
応する。
テンプレート
2
○
テンプレートとのずれの大
きさにより、検出精度が落
ちる。
Haar-like
1
○
特徴ファイルによって多様
な人の目検出ができる。
15
改善案
 差分検出では、背景の動く物を検
出してしまう。
 検出領域を顔だけの範囲に抑えて
差分検出することで、誤検出を減
らせる。
16
改善案つづき
 テンプレート検出やHaar-like特徴分類
検出では、カメラからの距離や顔の角
度に対応できない。
 差分検出を用いると顔の距離や顔の
角度に対応できる。
（東京都市大学大学院工学研究科 藤野雄介 「Haar-like特徴を
用いたサングラス顔とマスク顔の検出」の論文参考）
17
それぞれの目検出を組み合わせた改善案
開始
フレーム取得
グレースケール変換
顔の位置特定
（Haar-like検出）
目領域位置の特定
（差分検出）
目領域検出
背景の微量な変化を無視
（差分検出改善）
顔領域に限定して
２フレーム間の変化領域を検出
（テンプレート・Haar-like検出の問題改
善）
終了
18
まとめ
今回の実習で学んだこと
 カラー画像のグレースケール化
 二値化
 ハイパス、ローパス、メディアンフィ
ルタを用いた画像処理
 目検出
19