Sei sulla pagina 1di 14

Fase di Ricerca F2

Algoritmi per la Rilevazione


Flusso Clientela
Introduzione

F2. Fase di Ricerca: Algoritmi per la Rilevazione Flusso Clientela

Indagine sullo stato dellarte dei modelli e algoritmi di Computer


Vision per il riconoscimento e la classificazione di immagini e flussi
video tenendo conto delle necessit del prolema in esame in
!uesta fase.

"rolema oggetto dellindagine: riconoscimento e tracciamento


visivo dei potenziali clienti del negozio# nonc$% osservatori della
vetrina# atto a valutare !uantitativamente e numericamente
limpatto della vetrina in termini di attrazione e flusso clientela.
Arc$itettura
Face
Detection
Individual
Tracking
Age/Gender
Recognition
Eyes Focus
Recognition
Rappresentazione
locale vetrina (Fase F1)
e!uenza te"porale
dati osservatori
#onitoraggio Flusso $lientela
Fotogra""i
teleca"era
&intesi della Ricerca

'indagine $a portato ad esaminare le seguenti tecnic$e di Computer Vision:

Algoritmi di machine learning supervisionato (classificatori di dati asati su un


insieme di dati di esempio gi etic$ettati).

Algoritmo di riconoscimento volti di Viola and *ones (asato su immagini integrali e


classificatori boosted per applicazioni con re!uisiti real-time).

Algoritmi per il tracciamento visivo di oggetti (motion detection per la rilevazione


dei movimenti# motion correspondance ed optical flow per lassociazione degli
oggetti visivi presenti in due fotogrammi consecutivi in modo insensiile rispetto ad
occlusioni temporanee).

Algoritmi di stima del genere sessuale e della fascia det (tramite lestrazione di
opportune features visuali e luso di classificatori come le reti neurali artificiali# le
support vector mac$ine# asati su regressione logistica# etc.).

Algoritmi di riconoscimento del focus visivo (tramite limpiego di tecnic$e di eyes


detection e di indici statistici calcolati in ase alla distriuzione dei toni dei pi+el).
,ac$ine 'earning &upervisionato

Area dellIntelligenza Artificiale c$e si occupa della


realizzazione di sistemi per la classificazione automatica.
Riconoscitore Volti (-.2)

Algoritmo di Viola e *ones offre ottime prestazioni ed / lo standard


de facto per applicazioni real time
Riconoscitore Volti (2.2)

0asato su 1 idee c$iave:

Immagine Integrale per il calcolo efficiente di features visuali

Classificatore di tipo boosted

Connessione in cascata di classificatori con differenti trade-off relativi a tasso


derrore e prestazioni
2racciamento 3ggetti (-.4)

5 in genere suddiviso in due fasi:

,otion 6etection: individuazione di blob in movimento

,otion Correspondance: associazione degli oggetti target


presenti nella scena t con !uelli presenti nella scena t 7 -

Flusso 3ttico: permette di svolgere in modo interlacciato le


fasi di ,otion 6etection e ,otion Correspondance
2racciamento 3ggetti (2.4)

,otion 6etection 8 individuazione di blob in movimento


tramite tecnic$e di:

Frame 6ifference (single e doule)

0ac9ground &utraction (con ac9ground adattativo)

0lo Connection (tramite il concetto di aura)


2racciamento 3ggetti (1.4)

,otion Correspondance 8 ainamento degli oggetti :target; presenti


nella scena t con !uelli presenti nella scena t 7 -:

tiene conto di un modello di stima delle variazioni di posizione


ammesse (es: una persona non pu< spostarsi ad una velocit troppo
elevata)

algoritmi deterministici (asati sulla minimizzazione di una funzione


energia)

algoritmi statistici (=almann Filter#


"article Filter# >) meno sensiili
al ?rumore@
2racciamento 3ggetti (4.4)

Flusso 3ttico permette di svolgere in modo interlacciato


le fasi di ,otion 6etection e ,otion Correspondance.

Calcolo di un campo vettoriale idimensionale delle


velocit# associate ai singoli pi+el della scena# c$e
trasformano un fotogramma nel successivo.
&tima Aenere ed 5t

Analisi dei pi+el della zona volto.

Bso di features visuali !uali: distanza


interCoculare# distanza laraCnaso#
larg$ezza lara# edges della zona
contorno occ$i e affi# etc>

Bso di classificatori asati su reti


neurali artificiali
Riconoscimento Focus Visivo

&e il volto non / in posa frontale unanalisi statistica della


distriuzione dei toni dei pi+el nella bounding box del
volto / in grado di fornire una stima della direzione del
focus visivo.

&e il volto / in posa frontale va indagata la posizione


delle iridi degli occ$i mediante luso di tecnic$e !uali:

3peratore di &oel per lindividuazione degli edges

2rasformata di Doug$ per lindividuazione delle zone


occ$i

Analisi statistica dei toni dei


pi+el allinterno delle zone occ$i
Conclusioni

5 stata svolta un indagine delle principali lirerie


softEare per la Computer Vision dalla !uale / emerso c$e
3penCV rappresenta la lireria piF completa# efficiente# e
lieramente usaile anc$e per scopi commerciali.

Gessun dato sensiile ai sensi della privacH degli


osservatori / mantenuto in memoria# poic$% le varie
immagini fotografic$e sono elaorate e suito scartate.