Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Kilian Kopp Geändert vor über 8 Jahren
1
Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine- Schnittstellen Chakib Bensajjay Erstgutachter: Prof. Dr. Dr. h.c. mult. Wolfgang Wahlster Zweitgutachter: Dr.-Ing. Christian Müller Betreuer: Dipl.-Inform. Michael Feld
2
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren
3
1 Einführung 3 Wiss. Fragestellung 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 2 Adaptive Systeme
4
1 Einführung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 3 Wiss. Fragestellung
5
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren
6
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 5 Kopfhaltungsanalyse
7
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 6 Bildakquisition (Framework )
8
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 7 Evaluation
9
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 4 Kamera basierte Verfahren 8 Zusammenfassung
10
Forschungsziele: Verbesserte Sicherheit und Komfort im Automobilbereich Mensch-Maschine-Interaktion Adaptive Systeme Sensoren als Wissensquelle Kameras
13
Indikator für Aufmerksamkeit Blickrichtung Nicht-intrusive Akquisition Speicherung in zentraler Wissensbasis ADAPTION Als Eingabemodalität ◦ Blickgesteuerte Interaktion
14
Möglichst viele Bildinformationen Sammeln Bildanalyse und Anforderung Abhängigkeit von: Kameraeigenschaften Vorwissen System für Kamera Ansteuerung Bildsequenz und Informationen über Kameras für die Analyse zur Verfügung stellen.
15
1 Einführung 3 Wiss. Fragestellung 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 2 Adaptive Systeme
16
Von adaptierbaren zu adaptiven Systeme System kann selbständig an neue Bedingungen angepasst werden. bessere Szeneninterpretation Wissen über den Benutzer sammeln Benutzermodell aufbauen Adaption
17
System Mimik Sprache Gestik Graphics Audio-Signal
18
Benutzer-Kontext Fahrer dreht sich nach rechts Interaktions-Kontext Der Zustand dauert für bestimmtes Zeitintervall !! System-Aktion Warnsignal wird ausgelöst
19
Benutzer-Kontext Der Beifahrer schaut zum Fenster Interaktions-Kontext Momentan ist ein touristisches Denkmal zu sehen System-Aktion Informationen über das Denkmal werden ausgegeben
20
Benutzer-Kontext Der Fahrer gibt einen Sprachbefehl: „Fenster schließen“ Interaktion-Kontext Der Fahrer schaut nach rechts System Aktion Fenster rechts wird geschlossen Fenster schließen
21
1 Einführung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 3 Wiss. Fragestellung
22
Welche kamera-basierten Verfahren sind zur Erfassung wesentlicher Zustandseigenschaften des Fahrers geeignet? Wie gut lässt sich die Kopfhaltung des Fahrers/Benutzers bestimmen? Wie kann eine universelle Architektur zur Ansteuerung von Kameras im Fahrzeug aussehen?
23
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren
24
Aktueller Zustand. Frontalansicht. Seitenansicht. Augenzustand (auf/zu). Mund (auf/zu/ Form) Schlussfolgerung.Blickrichtung.Ablenkung.Müdigkeit.Wachsamkeit.Emotion Bildanalyse (Merkmalsextraktion)
25
Müdigkeit
26
Lidschlagrate
27
Müdigkeit Lidschlagrate Augenzustand (zu / Auf)
28
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren
29
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren Gesicht lokalisieren
30
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren Gesicht lokalisieren Bild
31
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren Gesicht lokalisieren Bild Vorwissen
32
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren Gesicht lokalisieren Bild Vorwissen Merkmale
33
Müdigkeit Lidschlagrate Augenzustand (zu / Auf) Augenbereich lokalisieren Gesicht lokalisieren Bild Vorwissen Merkmale
34
Nicht-intrusive Analyse Intrusive Analyse
35
Holistische und analytische Verfahren Holistische Verfahren Bild wird als Ganzes betrachtet Vortrainierte Daten zur Erstellung von Klassifikatoren Adaboost Support Vector Machine Neural Network Meistens für die Wiedererkennung des Gesichts oder relevante Bildregionen verwendbar Aufwändige Datenvorbereitung
36
Analytische Verfahren ( Merkmalsbasierte Verfahren) Extraktion relevanter Merkmale zur Gesichtsfindung Kanten Farbe Position der Augen Mund Nase Augenbrauen Landmarken
37
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 7 Evaluation Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 5 Kopfhaltungsanalyse
38
Erkennung der Kopfhaltung Augenbereich lokalisieren Gesicht lokalisieren Bild Kodierung möglicher Kopfhaltungen (statische Analyse) 3D Modell erstellen (Geometrie des Gesichts)
40
Grobe Schätzung der Kopfhaltung Information über die Richtung der Kopfhaltung ( nach links/rechts, nach oben/unten) Berechnung der Kopfhaltungswinkel horizontaler / vertikaler Drehwinkel
41
Kopfhaltung Berechnung der Kopfhaltungswinkel Neue Merkmalen statt Augenerkennung Gesichtsfindung Bild Grobe Schätzung der Kopfhaltung
42
Welche relevante Merkmale kann man extrahieren ? Geometrie des Gesichts Hautfarbe Gesichtsregionen (Augen, Mund, Nase …)
43
Welche relevante Merkmale kann man extrahieren ? Geometrie des Gesichts Hautfarbe Gesichtsregionen (Augen, Mund, Nase.. ) Aufwändig ( höherer Rechenaufwand )
44
Farbmodell RGB, Ycbcr, HSV Welches Threshold-Intervall ist zur Hautsegmentierung und Hintergrundextrahierung geeignet ?
45
H Darstellung CR Darstellung V Darstellung
46
H Darstellung CR Darstellung V Darstellung Gesichtsdetail bewahren
47
H Darstellung CR Darstellung V Darstellung Hintergrund entfernen Gesichtsdetail bewahren
48
H Darstellung CR Darstellung V Darstellung Hintergrund entfernen Gesichtsdetail bewahren Suche nach Hautfarbe Region
49
H Darstellung CR Darstellung V Darstellung Hintergrund entfernen Gesichtsdetail bewahren Suche nach dem gesamten Gesicht Suche nach Hautfarbe Region
50
Extraktion der Hautregion Gesichtsfindung
51
Extraktion der Hautregion
52
Gesichtsfindung Startpunkt für die Suche nach der Gesichtskontur
53
Kopfhaltung Berechnung der Kopfhaltungswinkel Neue Merkmalen statt Augenerkennung Gesichtsfindung Bild Grobe Schätzung der Kopfhaltung
54
Kann man die Richtung der Kopfhaltung direkt aus der Geometrie des Gesichts ableiten ?
55
Gesicht durch Rechtecke modellieren Position des Gesichts Seitenverhältnis Position (x, y)
56
Horizontale Drehung Position X
57
Vertikale Drehung Position Y
58
Kopfhaltung Berechnung der Kopfhaltungswinkel Neue Merkmale statt Augenberereich Gesichtsfindung Bild Grobe Schätzung der Kopfhaltung (X,Y)
59
Vorhandene Modelle Kodierung der unterschiedlichen Kopfhaltungen Verwendung von Gesichtsmerkmalen Augen/Mund/Nase
60
Abstandspunkte- statt Augenerkennung. Abstandspunkte
61
Horizontaler Winkel Vertikaler Winkel
62
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 6 Bildakquisition (Framework )
63
Client/ Server Modell ◦ Bilddaten im Netzwerk für verschiedenen Bildanalyse zur Verfügung stellen ◦ Information über an das System angeschlossene Kameras Zugriff auf Kameras ◦ Java Media Framework (JMF) Datenübertragung TCP Steuerungskanal Datenkanal
65
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 Bildakquisition (Framework) 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 8 Zusammenfassung 4 Kamera basierte Verfahren 7 Evaluation
66
Gesichtserkennung ◦ Farbe ◦ Helligkeit, Schatten, Autoumgebung. Erkennung der Abstandspunkte ◦ Verdeckung (Occlusion) Modell zur Berechnung der Winkel ◦ Geometrie des Gesichts.
67
Gesichtserkennung ◦ Farbe ◦ Helligkeit, schatten, Auto Umgebung. Erkennung der Abstandspunkte ◦ Verdeckung (Occlusion) Modell zur Berechnung der Winkel ◦ Geometrie des Gesichts.
68
Testdurchführung Helligkeit und Schatten In Autoumgebung (Fahrersitzplatz, Rücksitzplatz) Kameraplatzierung (frontale Aufnahme) 3 Bildsequenzen: Bildsequenzen 1 und 2: Höhere und niedrige Helligkeit Bildsequenz 3: Schatten vorhanden
69
( 3,-72°) (0,-45° ) (0°, 0°) (0,34°) (-8°,45°) (34°,U)
70
(0°,-75° ) (0°,-64°) (0°, 0°) (18°,20) (25°,46°) (90°,0°)
72
Abweichung zur tatsächlicher Kopfhaltung Testdaten: ◦ (110) Bilder aus Datensatz (Pointing 04 Database) ◦ 2 Klassen : Horizontaler Drehungswinkel {-90, -75,-60,-45,-30,-15, 0,15, 30, 45, 60,75,90 } Vertikaler Drehungswinkel { -90,-60,-30,-15, 0,15,30, 60, 90 }
73
Gut <15° Fast 15°-20 ° Fehlerhaft >20°
75
1 Einführung 3 Wiss. Fragestellung 2 Adaptive Systeme 6 videBildakquisition (Framework) 7 Evaluation 5 Kopfhaltungsanalyse Optische Kopfhaltungserkennung im Auto als Wissensquelle für multimodale Mensch-Maschine-Schnittstellen 4 Kamera basierte Verfahren 8 Zusammenfassung
76
Kameraeinsatz in Fahrzeugen Einsatz der Kopfhaltung in multimodalen und adaptiven Systeme Kopfhaltungsanalyse ◦ Gesichtsfindung (Hautfarbe ) ◦ Manipulation der Hue-und Chrominanzfarben ◦ Neue Merkmale und Modell zur Berechnung der Drehwinkel (Abstandspunkte) Framework für Bild- und Videoakquisition
77
Vielen Dank für Ihre Aufmerksamkeit !
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.