Computer VisionSviluppo di una applicazione

come strumento di supporto per utenti tetraplegici

Laureando: Roberto Valenti

Relatore: prof. Massimo Ferri

Correlatore:prof. Fabio Vitali

La situazione

• Società e tecnologia– L’informazione alla

base della società

• Disabilità e tecnologia– Aumento del divario tra

normodotati e disabili.

Cosa si vuole realizzare?

• Integrazione di utenti tetraplegici nella “Società dell’informazione”– Un sistema di puntamento innovativo– Un metodo di scrittura che non implichi la

pressione di tasti (attraverso OSK)

Cosa ci serve?

• Gestione di stream video dalla webcam

• Un veloce riconoscitore di volti

• Creazione di eventi sul sistema operativo target

Diagramma di Funzionamento

Controls

Events

Render

Realtime Stream Processing

Detection

Init

Fast Face Detection

• Componenti necessarie:– Immagini Integrali– Adaboost– Classificatori a Cascata

Classificatori

• Sono alberi decisionali con almeno due foglie

• “BUY NOW”, un esempio di classificatore per spam.

• Classificatori deboli e forti

• Classificatori basati sulle caratteristiche “Haar-Like”.

Caratteristiche “Haar-Like”

Problema:

• Ripetuti calcoli di somme di pixel compresi in aree rettangolari

• Aumento del costo computazionale

Soluzione: Immagini Integrali

Immagini Integrali

• A = 1• B = 2-1• C = 3-1• D = 4-A-B-C

• D = 4+1-(2+3)

Problema:

• Più di 180000 caratteristiche in ogni immagine

• Classificatori troppo complessi

Soluzione: AdaBoost

AdaBoost

• “BUY NOW”: una estensione

• Adaboost applicato ad immagini

Risultati Adaboost

Le prime due caratteristiche selezionate dall’ Adaboost mostrate in sovrapposizione ad un’immagine “positiva”

Problema:

• Ricerca in immagini più grandi di quelle di addestramento

• Ricerca in diverse scale

• Costo proibitivo della procedura

Soluzione: Classificatori a Cascata

Classificatori a cascata

All Sub-windows

T TT T

Reject Sub-window

F F F F

1 2 3 4

Dimostrazione e Conclusioni