Ansiktsanalys i eran av mobila enheter och munskydd

Forskningsprojektet tar upp utmaningen med tillförlitlig analys av ansiktsbilder när området runt ögonen är den enda synliga delen av ansiktet.

Sammanfattning

Blockerande föremål kan förekomma i obegränsade miljöer, men det är nu ett problem även i kontrollerade milijöer på grund av obligatoriska munskydd. Lösningar måste också kunna fungera på enheter med hårdvarubegränsningar – en nödvändighet om de ska kunna användas på enheter som smarta telefoner eller hjälprobotar i hem- eller sjukvårdsmiljöer.

Ett projektmål är att tillhandahålla tillförlitliga metoder för att upptäcka ansiktet. Djupinlärningslösningar visar imponerande prestanda, men de använder tunga Convolutional Neural Networks (CNN) på hundratals megabyte, vilket gör dem omöjliga att använda i mobiler eller robotar. De flesta är också tränade för att upptäcka hela ansiktet, och inte specifikt att hantera blockerande föremål. Forskarna kommer att använda komplexa symmetrifilter som uppmärksamhetsmekanism för att underlätta upptäckt, tillsammans med CNN med komplexa koefficienter, med tanke på framgången med sådana filter som en fristående metod för att upptäcka hållpunkter i ansiktet under kontrollerade förhållanden.

Ett annat mål är uppskattningen av mjuka biometriska indikatorer (kön, ålder, etnicitet). Dessa indikatorer är lättare att extrahera i obegränsade scenarier och kan komplettera ett icke komplett resultat av en hård modalitet (iris eller ansikte). De har också andra användningsområden, som skräddarsydd reklam, förbättrad HCI, åldersberoende åtkomst, plats för specifika individer i videoströmmar eller upptäckt av barnpornografi. Användningen av okulära bilder för sådana uppgifter och med ljus CNN är dock outforskade områden.