seminar: informationstechnik in der medizin universität dortmund skin detection fakultät für...
TRANSCRIPT
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Skin Detection
Fakultät für Elektrotechnik und Informationstechnik
Lehrstuhl für KommunikationstechnikProf. Dr.-Ing. Rüdiger Kays
cand. Kaining [email protected]
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Einleitung
• Ziele der Skin Detection (Hauterkennung)
Menschlicher Gesicht zu identifizieren für das Face Datenbank
• Aufbau eines Farbmodels für Skin und non-Skin Pixelklassen
• Histogramm-Model und Mischmodel , Trainingsdaten
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Spuren auf vielfältige Gesicht beim Nutz von Farb
Transformation des Farbraum
Benutzung von zwei Histogramm
Farbverteilung von Haut und Farbverteilung im gesamten Bild
die Zählung der Position und räumliche Ausdehnung
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Histogramm der Farbmodelle
Zwei Faktoren: Auswahl des Farbraums und die Größe des HistogrammsWie viele Bits pro Kanal (R,G,B)
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Linien gleicher Wahrscheinlichkeit der Trainings-Daten
Verteilung deutlich im Bereich von Rot
Verteilung entlang der Graulinie
Ein bisschen höhere Wahrscheinlichkeit für Weiß
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Skin und non-Skin Klassen
Ts gesamte Anzahl der Skin-Pixel
Tn gesamte Anzahl der non-Skin-Pixel
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Bayes-Gesetz ordnet Pixel Klassen zu
Über einen Grenzwert
Markierung als Skin Wert
Seminar: Informationstechnik in der Medizin
Universität Dortmund
ROC (the receiver operating characteristic)
ROC-Kurve
Verhältnis von Fehl-Detektion und nicht erkannten Skin-Pixeln
Eine Funktion von Grenzwert
Abhängigkeit von der Grösse des Histogramms
32 Bin (5 Bit / Kanal) erziehlt bestes Ergebnis
Seminar: Informationstechnik in der Medizin
Universität Dortmund
ROC(the receiver operating characteristic)
Training Set
Konvergenz der Kurven
Test Set
Verbesserung durch mehr Interationen
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Kombination mit Gauss-Klassfikation
Eine Besonderheit von des Mischmodels :
• Weniger Trainings-Daten benötigt• Mehr Rechenzeit• Mehr Speicherplatz benötigt
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Aufbau eines getrennten Models für verschiedene Bildklassen
Für jede Klasse von Skin und non-Skin
Der Erkennungsbasis:
Durchschnittliche Helligkeit
Variation der durchschnittlichen Helligkeit
Durchschnittlicher Abstand zur Grauachse
Durchschnittliche Gradientenergie
Prozent der Schwarz- und Weiss-Pixel
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Segmentierung und Tracking des Gesichtim farbigen Bild
Der Gesicht als elliptische Region
Die Gesichtsegmentierung durch vordefinierten Farbton und Sättigung
Berechnung der Grauwerten jeder Zeile der Y-Projektion
Such nach durchschnittlichem Grauwert auf den 3 benachbarten Zeilen
Alle Möglichkeiten der Konstellation
Bildung der Gesichteigenschaft
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Andere Skin Detection Methoden
Die Untersuch der R/G Rate
Multi-Person Detection
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Training Dataset
Die von Compaq Image Database aufgebaute Skin und Non Skin Histogramm
XM2TVS :
hohe beschränkende Database
Compaq Image Database für die unbeschränkende Umgebung
XM2TVS: der einfarbige Hintergrund, grosser Unterschied zur Gesichtsfarbe
Compaq Database
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Statistische Strategie zur Skin Detection
1. Bewertung der Skin-Pixel
2. Die Aufrittswahrscheinlichkeit der Farbe c innerhalb aller Möglichkeiten der Skin-Klasse S über einen Grenzwert ohne Rücksicht auf die Hintergrundfarbe
3. Besonderes Farbmodel für Haut- und Hintergrundfarbe
4. Vorkenntnisse über die Auftrittswahrscheinlichkeit mit Hilfe des Bayes Gesetzes
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Die Neyman und Pearson Strategie
Cc C:Farberaum , Pixel
Die Definition der Wahlscheinlichkeit durch Bedinte Wahlschlickeit und
Skin Non-Skin
Die Überlappung zwischen Skin und Non-Skin Klassen
Laß Miss Skin Alias minima und
Die Lösung der Optimierten Fragen durch das Decision Rule
If
Sonst
},{ NSWi
)( SCP )( NCP
CsC NCC
Csc
NCP )(
NCc
SCP )(
N
scd )(
)(
)(
NCP
SCP
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Die Versuchserklärung
Die strenge Bedingung der Nutzung von XM2VTS
viele Fehler bei der Nutzung von WWW-Database wegen der Überlappung im Bild
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Die medizinische Anwendung der Skin Detection
Beispiele aus DermatologiedatenbankMelanomdiagnose durch automatische Segmentierung
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Andere Praktische Anwendung
Person :
Der Anzahl der als Haut detektierten Pixeln
Durchschnittliche Wahrscheinlichkeit von Skin-Pixeln
Erwachsenenbild-Detektion:
Große Hautflächen
Höhe und Breite des Bildes
Seminar: Informationstechnik in der Medizin
Universität Dortmund
Zusammenfassung
Aufbau der Histogramm durch Bilddatabank
Die genaue und effiziente Skin-Detection
Vergleich zwischen Histogramm und anderen Verfahren
Person Detection in beliebiger Umgebung besser als vorherige Schätzung