Realizacija detektora lica na osnovu Viola-Jones algoritma - Infoteh

INFOTEH-JAHORINA Vol. 11, March 2012.
Realizacija detektora lica na osnovu Viola-Jones
algoritma
Boško Mihić, Jelena Lozanov
studenti drugog ciklusa studija
Fakultet tehničkih nauka
Novi Sad, Srbija
bmihic@gmail.com, jelena.lozanov@gmail.com
Sadržaj—Rad prikazuje proces realizacije detektora lica na
osnovu Viola-Jones algoritma. Sam algoritam je opisan u
osnovnim crtama uz detaljnije pojašnjenje jedino procedura koje
su samostalno definisane. Pored toga, dat je i opis distribuirane
realizacije treninga klasifikatora pomoću kog se vrši detekcija
lica. Na kraju, rad prikazuje i konačne rezultate treninga uz
osvrt na mogućnosti daljeg unapređenja uspešnosti detekcije.
(Abstract)
Ključne reči-detekcija lica; boosting; paralelno izvršavanje;
Viola-Jones
I. UVOD
Tema rada predstavlja opis sistema za detekciju lica
realizovanog na osnovu Viola-Jones algoritma. Prednosti
upotrebe ovog algoritma jesu jednostavnost, brzina i visoke
performanse. Ključne novine koje je uveo ovaj algoritam i koje
su doprinele ovakvim karakteristikama ogledaju se u upotrebi
integralne slike za manipulisanje podacima, upotrebi
modifikovanog AdaBoost algoritma za generisanje
klasifikatora i realizacije klasifikatora u formi kaskade manjih
klasifikatora.
U poslednje vreme, sa sve češćom pojavom
multiprocesorskih jedinica u kompjuterskim sistemima, važna
karakteristika ovog algoritma postala je i mogućnost relativno
jednostavne paralelizacije izvršavanja, kako procesa treninga,
tako i procesa detekcije lica. Tim povodom je i odlučeno da se
prilikom realizacije ovog sistema izvrši paralelizacija procesa
treninga klasifikatora na više računara na kojima se, srazmerno
broju procesorskih jedinica, izvršava više ili manje paralelnih
procesa, praveći odgovarajući balans između kompleksnosti
komunikacije i njene brzine. Prateći ta ograničenja, upotrebljen
je prilično robustan sistem sinhronizacije fajlovima, o kojem će
biti više reči u nastavku.
Pre opisa same procedure važno je napomenuti da su za
trening klasifikatora korišćene slike lica koja su okrenuta
približno u pravcu kamere, pa je i uspešnost detekcije lica
delom uslovljena tim parametrom. Takođe, za region lica nad
kojim se vrši detekcija izabran je nešto manji deo u odnosu na
onaj koji je korišćen u originalnom Viola-Jones radu[1].
Rezultati tih odluka, kao i same realizacije algoritma biće
izloženi na kraju rada, uz razmatranje oblasti čijim bi se daljim
razvojem mogao ostvariti dodatni napredak.
II. PROCEDURA
Tokom razvoja detektora, u velikoj meri praćene su
procedure i saveti izneti u radovima [1], [2]. Uzimajući to u
obzir, u nastavku rada biće dat samo opštiji opis procesa
generisanja klasifikatora za detekciju lica sa nešto detaljnijim
opisima delova koji su samostalno realizovani.
A. Slabi klasifikator
Predstavlja osnovni deo krajnjeg klasifikatora. U
matematičkom obliku, može se predstaviti kao:
⎧1 za pf( x)
> pθ
hx ( , f, p, θ ) = ⎨ , (1)
⎩ 0 inače
gde x predstavlja crno-belu podsliku veličine 24x24 piksela nad
kojom se vrši detekcija, f testirano obeležje (eng. feature) slike,
p polaritet i θ graničnu vrednost odlučivanja. Povratna vrednost
funkcije trebalo bi da bude 1 u slučaju slike lica, ili 0 u slučaju
kada se na slici ne nalazi lice. Kao skup mogućih tipova
obeležja, uzeti su pet osnovnih pravougaonih oblika sličnih
Harovim talasima (eng. Haar’s wavelets) prikazanih na Sl. 1.
Vrednost koja se dobije nakon primene ovih obeležja nad
slikom jednaka je razlici suma piksela unutar belih i crnih
pravougaonika. S obzirom na to da se svaki od tih tipova
obeležja može primeniti nad različitim delovima ulazne slike
dimenzije 24x24, dobija se da je ukupan broj mogućih obeležja
oko 160 000.
Za određivanje najboljih obeležja lica, potrebno je izvršiti
testiranje svih mogućih obeležja nad svim pozitivnim i svim
negativnim uzorcima, tj. slikama lica i slikama koje to nisu, a
koje trenutni detektor i dalje detektuje kao da jesu. S obzirom
na to da će do određene greške uvek doći, bitno je izvršiti
selekciju najboljih obeležja čijim će se kombinovanjem najbrže
Tip 1 Tip 2 Tip 3 Tip 4 Tip 5
Slika 1.
Osnovni tipovi obeležja.
- 1154 -

doći do željene stope uspešnosti detekcije. O samom procesu
selekcije takvih obeležja, biće više reči u nastavku.
B. Jaki klasifikator
Grupisanjem više slabih kasifikatora u celinu, dobija se jaki
klasifikator. Time se postiže da se pouzdanost pojedinih slabih
kasifikatora, koja veoma često iznosi tek nešto više od 50%,
značajno poveća. Kako bi se to postiglo, potrebno je svakom
slabom klasifikatoru dodeliti težinski koeficijent α t , koji je
suprotno srazmeran greški koju on ostvaruje. Na osnovu tih
koeficijenata i samih slabih klasifikatora, definiše se jaki
klasifikator pomoću sledećeg izraza:
T
T
⎧
1
⎪1 za αtht( x)
≥ αt
Sx ( ) t= 1 2 t=
1 .
0 inače
= ⎨
⎪⎩
∑ ∑
(2)
Za Viola-Jones algoritam, od većeg je značaja da jaki
klasifikator ostvaruje veliku pouzdanost pri klasifikaciji
pozitivnih uzoraka (eng. TPR – True Positive Rate) nego pri
klasifikaciji negativnih (eng. TNR – True Negative Rate), o
čemu će biti više reči u nastavku. Da bi se to postiglo,
predviđena je upotreba faktora prilagođenja (eng. Tweak
Factor) čijim se umanjivanjem takođe smanjuju i granične
vrednosti unutar slabih kalsifikatora. Opis tog postupka nije
deo samog Viola-Jones algoritma i realizovan je samostalno.
Da bi se promena graničnih vrednosti izvršila što je moguće
ravnomernije između različitih slabih klasifikatora, bilo je
potrebno uzeti „meru“ rasutosti rezultata primene obeležja nad
uzorcima. U skladu sa potrebom da se rezultat dobije u što
manje koraka, za meru rasutosti uzeto je polurastojanje između
srednjih vrednosti primene obeležja nad pozitivnim i nad
negativnim uzorcima, tj:
1 1
d f x f x
P
N
( p) ( n)
t
=
t( i
) −
t( i
).
2P
i= 1 2N
i=
1
∑ ∑ (3)
Na osnovu ovog parametra, faktora prilagođenja i početne
granične vrednosti θ t , nova granična vrednost računa se
pomoću izraza:
dt
( tf −1)
π
θ′ ⎛ ⎞
t
= θt
+ tg ⎜ ⎟,
K ⎝ 2 ⎠
gde K predstavlja koeficijent izduženosti tangens funkcije i
izabran je fiksno, na nivou programa, tako da upotrebne
vrednosti tf budu u okolini sredine opsega tog parametra.
C. Kaskadni klasifikator
Konačno, spajanjem više jakih klasifikatora u kaskadu,
nastaje kaskadni klasifikator kojim se i vrši detekcija lica.
Potreba za kaskadnom strukturom pojavila se zbog činjenice
da se prilikom pretraživanja slike testira veliki broj podslika
(4)
ulaz
Slika 2.
Kaskadni klasifikator.
kako bi se saznalo da li sadrže lice ili ne, stoga je efikasnije
usredsrediti se na odbacivanje uzoraka koji ne sadrži lice nego
pronaći one koji sadrže.
Kaskadni klasifikator se sastoji od više jakih klasifikatora,
čiji je zadatak da procene da li kvadrat sigurno ne sadrži lice
ili ga možda sadrži. Ukoliko je procenjeno da testirani kvadrat
ne sadrži lice, on se odbacuje, a ukoliko se smatra da on
možda sadrži lice, on se prosleđuje sledećem jakom
klasifikatoru. Konačna odluka da li podslika sadrži lice ili ne,
donosi se na osnovu izlaza iz poslednjeg jakog klasifikatora.
Šematski prikaz opisanog postupka dat je na Sl. 2.
Upravo zbog takve strukture kaskadnog klasifikatora,
potrebno je da svaki jaki klasifikator zadrži visok TPR, kako bi
prava lica mogla da „prežive“ sve eliminacije. S druge strane,
zbog značajno umanjenog dela negativa koje svaki sledeći jaki
klasifikator i dalje ne može da odbaci (eng. False Positive
Rate), dobijaju se visoke performanse sistema. Tako na primer,
za prosečan TPR po jakom klasifikatoru od 0,99 i FPR od 0,35,
za kaskadni klasifikator od 10 kaskada, ovi parametri bi
iznosili:
TPR
FPR
kk
kk
= TPR = 0,90
10
jk
= FPR = 0,28⋅10
10 −4
jk
D. Integralna slika i normalizacija podslika
Pojam integralne slike podrazumeva zapravo samo
drugačiju reprezentaciju slike. Koristi se za brzo sumiranje
vrednosti piksela unutar nekog pravougaonog dela slike, što je
upravo i slučaj kod računanja rezultata primene obeležja nad
slikom. Na Sl. 3 dat je primer konvertovanja regularne slike u
integralnu. Svakom pikselu dodaje se vrednost sume svih
piksela iznad njega i levo od njega. Na ovaj taj način
omogućeno je da se suma svih piksela, u bilo kom
pravougaoniku, izračuna na osnovu samo četiri vrednosti.
Takav primer dat je na Sl. 4.
1 1 1
1 1 1
1 1 1
Slika 3.
jak klasifikator
da li je lice
NE
Odbačen
MOŽDA
jak klasifikator
da li je lice
NE
Odbačen
,
1 2 3
2 4 6
3 6 9
Ulazna slika (levo) i integralna slika (desno).
MOŽDA
(5)
- 1155 -

1 2
A
B
2) odabir slabog klasifikatora koji minimalizuje grešku
koja uzima u obzir težinske koeficijente uzoraka, na osnovu
izraza:
3
C
4
D
N
∑ w h( x f p θ)
y (7)
ε = min , , , − ,
t f , p,
θ i i
i=
1
Slika 4.
Primer računanja sume piksela unutar pravougaonika pomoću
integralne slike.
Površina pravougaonika 4 jednaka je D - (B + C) + A, gde
je vrednost integralne slike u tački A jedanaka sumi piksela
unutar pravougaonika 1, vrednost u tački B sumi unutar 1 i 2,
vrednost u tački C sumi unutar 1 i 3, i u tački D jednaka je
sumi sva četiri kvadrata.
Pored primene integralnih slika za računanje sume
vrednosti piksela, one se koriste i u procesu pripreme slike pred
klasifikaciju. Naime, da bi se do određene mere eliminisala
razlika u osvetljenju i kontrastu između lica na različitim
slikama, potrebno je izvršiti normalizaciju vrednosti piksela
podslike na kojoj se traži lice. Upravo se taj proces značajno
ubrzava upotrebom integralne slike originala i integralne slike
kvadratnih vrednosti piksela originala.
S obzirom na to da se površine ispod obeležja uzimaju sa
odgovarajućim težinskim koeficijentima tako da se
jednosmerna komponenta razlike suma uvek potire, dovoljno je
izvršiti samo normalizaciju varijanse. To se postiže tako što se
rezultat primene obeležja nad podslikom podeli sa
standardnom devijacijom vrednosti piksela te podslike, čime se
dobija ekvivalentan efekat, kao da su svi pikseli podslike
normalizovani pojedinačno. Sama standardna devijacija, dobija
se na osnovu izraza:
σ
S
− S
m
2
2
x x
x
= ,
(6)
2
gde S x² i S x predstavljaju sume vrednosti piksela regularne i
kvadratne podslike, a m širinu/visinu slike.
E. Modifikovani AdaBoost i trening
U sklopu Viola-Jones algoritma korišćen je modifikovani
AdaBoost algoritam, koji pretragom kroz 160 000 obeležja
pronalazi ono koje u tom trenutku stvara najveći doprinos
poboljšanju performansi jakog klasifikatora. Za skup (x 1 ,
y 1 ),...,(x N , y N ) gde je y i =0 ako je x i negativan uzorak i y i =1 u
suprotnom slučaju, i za skup težinskih koeficijenata uzoraka
koji su u početnom slučaju suprotno proporcionalni broju
uzoraka te vrste (pozitivnih ili negativnih), postupak
pronalaska novog slabog klasifikatora i njegovog ubacivanja u
trenutni jaki klasifikator, sadrži sledeće korake:
1) normalizaciju težinskih koeficijenata w i tako da suma
svih koeficijenata bude jednaka 1,
3) definisanje h t (x)=h(x, f t , p t , θ t ) pomoću parametarta f t ,
p t , θ t za koje se dobija ε t ,
4) ažuriranje težinskih koeficijenata na osnovu izraza:
i
( θ )
⎧ wiβt za h x, ft, pt,
t
= yi
wi
= ⎨ , (8)
⎩ w inače
za βt=ε t /(1-ε t ),
5) izračunavanje težinskog koeficijenta α t =log(1-β t ) i
dodavanje slabog klasifikatora u jaki klasifikator.
Kao rezultat algoritma formira se jak klasifikator koji se
sastoji od niza slabih klasifikatora, koji su uračunati sa
težinskim koeficijentom α t , zavisno od njihove uspešnosti
prilikom klasifikacije.
S obzirom na to da se generisanje slabog klasifikatora vrši
tako što se svako od obeležja primeni na svaki od trening
uzoraka kako bi se pronašlo najbolje obeležje, ovaj deo
AdaBoost algoritma predstavlja ujedno i najzahtevniji deo u
smislu dužine trajanja. Dodatno usporavanje predstavlja i
pronalazak optimalne granične vrednosti θ tako da bi što manji
broj uzoraka bio pogrešno klasifikovan.
III.
IMPLEMENTACIJA
A. Postavka
Zbog velikog obima računanja, proces generisanja slabih
klasifikatora podeljen je na više podređenih klijenata
pokrenutih na više radnih stanica, sa kojima se upravlja
pokretanjem iste aplikacije u kontrolnom režimu rada na
glavnoj radnoj stanici. Same aplikacije pisane su u
programskom jeziku C++. Komunikacija između kontrolne
aplikacije i klijenata odvija se razmenom XML fajlova u
direktorijumima pojedinih klijenata. Da bi takva komunikacija
bila ostvariva, potrebno je da se sve instance programa pokrenu
iz poddirektorijuma istog virtuelnog direktorijuma. Iako na prvi
pogled ovo deluje kao nepraktično rešenje, razlog za takvu
realizaciju leži baš u jednostavnosti inicijalizacije i pouzdanosti
komunikacije. Samo pripajanje nove radne stanice u proces
treninga, svodi se na deljenje direktorijuma sa tom radnom
stanicom, bilo putem lokalne mreže ili upotrebom nekog od
besplatnih cloud servisa za deljenje fajlova, poput Dropboxa.
Čim se ostvari sinhronizacija fajlova, dovoljno je pokrenuti
klijenta, koji će svoj rad nastaviti u pozadini, čekajući na
instrukcije koje će mu stići u njegov radni direktorijum. Ovaj
aspekt jednostavne inicijaliziacije nove radne stanice na
daljinu, omogućio je da se u nedostatku laboratorijskih resursa,
pokrene i do 30 klijenata paralelno na različitim računarima za
- 1156 -

kućnu upotrebu, bez potrebe za razmatranjem mrežne
infrastrukture pojedinih računara.
Druga prednost ove vrste komunikacije ogleda se i u brzoj
razmeni negativnih uzoraka koje je potrebno generisati i
razmeniti sa klijentima pred trening svakog novog jakog
klasifikatora, s obzirom na to da se radi o paketima od nekoliko
desetina megabajta. Zahvaljujući činjenici da se slanje
podataka vrši samo ka centralnom cloud serveru i da svi
klijenti sa te lokacije dalje primaju podatke, sinhronizacija je
višestruko ubrzana. Stavka koja je ipak predstavljala slabost
ovakve komunikacije, ogledala se u razmeni jednostavnih i
kratkih instrukcija. Ta razmena se odvija relativno sporo i često
traje i do 10 sekundi. Međutim, pošto je bilo potrebno
razmeniti samo dve poruke po jednom procesu potrage za
novim slabim klasifikatorom, ta slabost i nije preterano dolazila
do izražaja sa korišćenim brojem klijenata.
Sama komunikacija se odvija u sledećim koracima: klijenti
su raspoređeni po folderima i za komunikaciju sa kontrolnom
aplikacijom koriste fajlove XML strukture: ViolaJones.request i
ViolaJones.response. Unutar request fajlova nalaze se
instrukcije kojim se centralni program obraća klijentima. Svaki
request tag sadrži dva atributa. ID – koji se uvećava posle
svakog poslatog zahteva i type – koji predstavlja tip zahteva i
može da ima jednu od četiri vrednosti: 0 – stanje čekanja, 1 –
zahtev za izvršavanje AdaBoost algoritma, 3 – provera
dostupnosti i 4 – prosleđivanje ažuriranih težinskih
koeficijenata za nastavak izvršavanja AdaBoost algoritma.
Unutar response fajla nalazi se odgovor klijenta na zahtev
centrale. Komunikacija se uvek odvija u formi zahtev/odgovor,
uz praćenje ID atributa zahteva koji služi kao brojač pristiglih
poruka, pa je samim tim komunikacija prilično pouzdana.
Pošto je za većinu klijenata bilo potrebno rukovanje na
daljinu, napravljena je pomoćna aplikacija VJBot koja se
izvršava u pozadini. Njoj se na sličan način, kao i glavnoj
aplikaciji, pomoću fajlova VJBot.start i VJBot.stop saopštava
da pokrene tj. zaustavi program, što je bilo korisno posebno
tokom razvoja sistema.
B. Generisanje pozitivnih uzoraka
Za formiranje baze pozitivnih uzoraka napravljen je
program VJFaceSelector, koji je omogućio brzo isecanje slika
lica. Program radi tako što učitava sliku po sliku, prevodi je u
crno – beli format, a zatim zahteva od korisnika da označi dve
tačke na licu, jednu u gornjem levom uglu, iznad obrva i drugu
u donjem desnu uglu ispod usana. Na taj način formira se
kvadrat sa datim koordinatama koji sadrži sliku lica. Kvadrat je
moguće pomerati sve dok se horizontalne ivice ne nađu tik
iznad obrva (gornja) i na liniji između usana i brade (donja).
Program zatim svaku sliku skalira na dimenzije 24x24 i snima
u poseban folder. Baza pozitivnih uzoraka sadrži ukupno 5 500
slika lica, od kojih se 5 000 koristi za trening klasifikatora, a
500 za evaluaciju rezultata. Većina slika koje su korišćene kao
izvor za isecanje lica deo su baza LFW i FDDB preuzetih sa
sajta univerziteta u Masačusetsu [3], [4].
C. Generisanje negativnih uzoraka
Prilikom generisanja negativa, prvo se vrši provera
negativa korišćenih za trening prethodnog jakog klasifikatora,
odnosno ispituje se da li ti negativi predstavljaju negative i za
trenutni klasifikator. Zatim se generišu novi na osnovu baze
slika koje ne sadrže lica. Prilikom dodavanja novih uzoraka u
bazu negativa, vrši se provera da li se ta slika već nalazi u
bazi, na osnovu hash vrednosti piksela te slike. Na taj način,
omogućen je višestruki prolazak kroz sve negative uz
postepeno povećanje broja prozora kojim se skenira slika u
potrazi za negativima. Posle svakog prolaska kroz sve
negative, dimenzije prozora, pomeraj prozora i početna
veličina prozora se umanjuju. Proces generisanja negativa
obavlja kontrolna aplikacija, i po završetku posla te slike se
pakuju u TAR arhivu i prosleđuju svim klijentima. Pakovanje
uzoraka u TAR arhivu omogućava smanjenje broja fajlova, a
samim tim i mnogo brži rad pošto se slike direktno učitavaju u
memoriju iz jednog fajla.
D. Trening
Proces formiranja kaskadnog klasifikatora za detekciju lica
podeljen je na odvojeno pronalaženje jednog po jednog jakog
klasifikatora. Pre pokretanja postupka generisanja svakog od
njih, potrebno je odrediti vrednosti parametra TPR, FPR i
maksimalan broj slabih klasifikatora unutar njega, koje bi taj
jaki klasifikator trebalo da zadovolji. Na osnovu par
eksperimentalnih pokretanja i rezultata iznetih u Viola-Jones
radu, za ove parametre uzete su sledeće vrednosti: TPR je
postavljen na 0,99, FPR je postavljen na 0,35, dok je za
maksimalan broj slabih klasifikatora biran duplo veći broj od
onog koliko prethodni jaki klasifikator ima slabih klasifikatora.
Po definisanju svih parametara treninga u koje dodatno spadaju
i parametri vezani za proces generisanja negativa, lokacije
relevantnih fajlova i sl, pristupalo se samom pokretanju
treninga koji se sastojao od sledećih koraka:
1) inizijalizacija početnih parametara i učitavanje dosad
istreniranog dela kaskadnog klasifikatora,
2) uspostava komunikacija sa dostupnim klijentima,
3) generisanje negativa za trenirani jaki klasifikator na
osnovu upotrebe kaskadnog klasifikatora koji je dosad
istreniran,
4) pokretanje procesa generisanja novog slabog
klasifikatora tokom kog svaki od klijenata dobije određen
opseg obeležja od ukupno 160 000 unutar kojih pronalazi
najbolje od njih po prethodno opisanoj proceduri,
5) prikupljanje rezultata klijenata i određivanje najboljeg
obeležja među pristiglim od kog se generiše novi slabi
klasifikator,
6) ubacivanje novog slabog klasifikatora u jaki
klasifikator i podešavanje faktora prilagođenja, tako da se
zadovolji očekivani TPR,
7) ako jaki klasifikator posle promene faktora
prilagođenja i dalje poseduje FPR manji od zahtevane
vrednosti, ili ako se dostigne maksimalni broja slabih
klasifikatora, proces se zaustavlja i rezultati se snimaju. U
suprotnom, algoritam se vraća na korak 4).
Po okončanju ovog procesa program generiše još jedan
dodatni izlazni fajl, koji sadrži podatke o različitim
vrednostima parametara TPR i FPR, kao i o broju slabih
klasifikatora i faktoru prilagođenja pri kojima su te vrednosti
- 1157 -

dobijene. Na osnovu tih podataka, vrši se procena da li iz
krajnjeg jakog klasifikatora treba izbaciti poslednjih nekoliko
slabih klasifikatora ako ne doprinose značajno smanjenju FPR,
da li prihvatiti manje TPR pošto u pojedinim slučajevima to
doprinosi značajnom smanjenju FPR, ili zadržati početne
rezultate. Zahvaljujući takvoj analizi rezultata, izvršena je
značajna redukcija broja slabih klasifikatora u pojedinim jakim
klasifikatorima, pošto je vrednost FPR nekad vrlo brzo stizala
do određene tačke posle čega bi njena vrednost prestala
značajnije da opada, pa su dodatni slabi kalsifikatori
predstavljali višak koji bi samo usporavao program.
Krajnji rezultat svakog od tih treninga, predstavljao je XML
fajl koji je sadržio dotad istrenirani kaskadni klasifikator.
IV. REZULTATI
Pri pokretanju treninga za svaki jaki klasifikator, prvi korak
predstavlja pronalaženje skupa negativnih uzoraka. S ozbirom
na to da su se performanse kaskadnog klasifikatora podizale sa
svakim novim dodavanjem jakog klasifikatora, odlučeno je da
se broj negativa za treniranje svakog novog jakog klasifikatora
smanji za po hiljadu, kako bi se ostvarila određena optimizacija
u potrošnji vremena. U tabeli 1 prikazani su podaci vezani za
proces generisanja negativa za trening svih 13 jakih
klasifikatora, koliko ih ima u krajnjem kaskadnom
klasifikatoru. Ovi rezultati ostvareni su pri generisanju negativa
na osnovu baze od 1 500 slika visoke rezolucije. S obzirom na
to da je proces bio relativno brz za ovih 13 koraka, nije bilo
potrebe za paralelizacijom samog procesa. Tako je na primer u
poslednjem koraku, za testiranje 4,5 milijardi podslika utrošeno
nešto više od sat vremena, što je u odnosu na vreme potrebno
za trening značajno kraći vremenski period. Međutim, u slučaju
daljeg treninga dodatnih jakih klasifikatora,
TABELA I.
Redni br.
jakog
klasifikatora
Br. negativa od
prethodnog jakog
klasifikatora
GENERISANJE NEGATIVNIH UZORAKA.
Ukupan broj
negativnih
uzoraka
Broj testiranih
uzoraka
1 0 25 000 25 371
2 13 074 24 000 21 561
3 4 480 23 000 156 800
4 10 998 22 000 237 457
5 11 088 21 000 448 522
6 6 295 20 000 2 184 093
7 7 268 19 000 5 504 865
8 6 053 18 000 17 438 300
9 5 498 17 000 60 599 428
10 6 007 16 000 134 607 254
11 4 623 15 000 489 157 319
12 4 762 14 000 1 374 276 835
13 4 115 13 000 4 495 110 682
Ukupno 84 261 247 000 6 579 768 487
TABELA II.
Redni br.
jakog
klasifikatora
REZULTATI EVALUACIJE JAKIH KLASIFIKATORA.
Broj slabih
klasifikatora
tf a TPR FPR
1 2 0,3641 0,9860 0,5226
2 5 0,5345 0,9898 0,1860
3 9 0,3161 0,9959 0,4781
4 16 0,3098 0,9938 0,5040
5 28 0,3497 0,9917 0,2997
6 37 0,2689 0,9896 0,3634
7 40 0,2800 0,9979 0,3185
8 54 0,2689 0,9958 0,3054
9 76 0,2480 0,9979 0,3533
10 66 0,3098 1,0000 0,2889
11 95 0,2689 0,9915 0,3174
12 137 0,2744 1,0000 0,2939
13 193 0,2635 0,9957 0,3140
Ukupno 758 - 0,9280 0,7420*10-6
a. tweak factor
paralelizacija i ovog postupka donela bi značajne uštede u
vremenu.
Kao što je već naglašeno, proces generisanja jakih
klasifikatora zahtevao je da se utvrdi optimalni odnos između
parametara klasifikatora. I dok je za prve jake klasifikatore bilo
mnogo važnije da sadrže što manje slabih klasifikatora kako bi
vreme potrebno za eliminisanje početnog broja testiranih
regiona takođe bilo minimalno, kasniji klasifikatori su više
usredsređeni da ostvaruju visoke TPR uz minimizaciju FPR.
Kao krajnji rezultat treninga, dobijeni su jaki klasifikatori
čiji su parametri dati u tabeli 2. U njoj su takođe prikazani i
parametri krajnjeg kaskadnog klasifikatora. Uz TPR od 0,92
koji je izračunat nad setom od 500 slika korišćenih za
evaluaciju, kao i uz FPR od 0,74*10 -6 koji je izračunat na
osnovu FPR pojedinih jakih klasifikatora, ostvareni rezultati su
zadovoljili očekivanja.
Za sam kraj, odabran je test skup slika iz baze MIT+CMU
koje su i u radovima [1] i [2] korišćene za grafički prikaz
rezultata, kako bi se ostvarilo relativno poređenje. Slike su
skenirane metodom klizajućeg prozora (eng. Sliding window)
početne veličine 24x24 piksela, sa pomerajom od 10% i
uvećanjem prozora na kraju jednog ciklusa od 20%. Rezultati
detekcije lica nad tim slikama dati su na Sl. 5. I dok su rezultati
primene originalnog Viola-Jones klasifikatora nešto bolji od
onih koji su prikazani na slici, u odnosu na rad [2] ostvareni su
uočljivo bolji rezultati.
V. ZAKLJUČAK
Realizovani sistem detekcije lica ostvario je solidne
performanse, uspevajući da ostvari jedan od glavnih ciljeva
implementacije ovog algoritma, a to je brzina rada. Ipak ostalo
je dosta mesta da dodatno unapređenje. Jednu od mogućih
- 1158 -

Slika 5.
Izlaz iz detektora lica primenjenog nad slikama iz baze slika MIT+CMU.
promena predstavljao bi prelazak sa detekcije uskog dela lica
na detekciju šireg regiona zajedno sa spoljnim crtama lica, što
bi se postiglo upotrebom drugačijeg seta pozitiva. Takođe,
generisanje dodatnih jakih klasifikatora dodatno bi poboljšalo
sposobnost klasifikatora da odbaci negative pa bi se, samim
tim, za treniranje pojedinih jakih klasifikatora mogao dodatno
podići TPR. I na kraju, oblast u kojoj je ostalo možda i najviše
mesta za napredak predstavlja upravo način smanjivanja
graničnih vrednosti pojedinih slabih klasifikatora pri promeni
faktora prilagođenja jakog klasifikatora. Finijom
preraspodelom ovih promena, ostvario bi se kontinuirani
napredak u performansama jakog klasifikatora pri dodavanju
novih slabih klasifikatora, što do sad nije bio slučaj.
ZAHVALNICA
Rad je realizovan kao završni projekat iz predmeta
Kompjuterska vizija na 1. godini Master studija, kod docent dr
Vladimira Crnojevića. Ovom prilikom, želeli bismo da se
zahvalimo svim kolegama i prijateljima koji su nas nesebično
podržali, dozvoljavajući nam da koristimo njihove personalne
računare u svrhu treninga klasifikatora.
LITERATURA
[1] P. Viola and M. J. Jones, “Robust Real-Time Face Detection”,
International Journal of Computer Vision 57 (2), 2004.
[2] O. H. Jensen, “Implementing the Viola-Jones Face Detection
Algortihm”, Technical University of Denmark, 2008.
[3] G. B. Huang, M. Ramesh, T. Berg and E. Learned-Miller, “Labeled
Faces in the Wild: A Database for Studying Face Recognition in
Unconstrained Environment”, University of Massachusetts, Amherst,
Technical Report 07 – 49, October 2007.
http://vis-www.cs.umass.edu/lfw/
[4] V. Jain and E. Learned-Mille, “FDDB: A Benchmark for Face Detection
in Unconstrained Settings”, Technical Report UM-CS-2010-009, Dept.
of Computer Science, University of Massachusetts, Amherst. 2010.
http://vis-www.cs.umass.edu/fddb/
[5] K. Sung, T. Poggio, H. Rowley, S. Baluja and T. Kanade, “Combined
test set A, B and C”, MIT+CMU, 1998.
http://vasc.ri.cmu.edu/idb/html/face/frontal_images/
ABSTRACT
This paper describes a realization of a frontal face detector
based on the Viola-Jones algorithm. Independently developed
procedures are fully given whereas the algorithm itself is
briefly described. Also, distributed realization of classifier
training used for face detection is presented. Finally, this paper
presents training results with possibilites of further
improvement in face detection.
REALIZATION OF FACE DETECTOR BASED ON
THE VIOLA-JONES ALGORITHM
Boško Mihić, Jelena Lozanov
- 1159 -