Detekcja i identyfikacja pieszych w obrazach termowizyjnych

• Autorzy: Piniarski K. , Pawłowski P.

Identyfikatory

DOI

10.15199/13.2017.10.10

Warianty tytułu

EN

Pedestrian detection and identification on thermal images

• Języki publikacji: PL

Abstrakty

PL

W pracy przeanalizowano możliwości wykorzystania spektrum termowizyjnego w detekcji pieszych i ich biometrycznej identyfikacji na podstawie zdjęć twarzy. Obraz termowizyjny prezentujący relatywnie duży kontrast cieplny pozwala na dokładniejszą ekstrakcję pieszych z otoczenia w stosunku do obrazowania w paśmie widzialnym. Zaproponowana w pracy metoda segmentacji z wykorzystaniem progu globalnego (Otsu) i techniki rozszerzania regionów osiąga bardzo wysoką skuteczność ekstrakcji obszarów zainteresowania (do 98%) przy krótkim czasie obliczeń (31ms). Technika ta generuje także stosunkowo niewielką liczbę próbek do klasyfikacji (średnio 8,6 próbki na obraz). Jednocześnie zarejestrowany termowizyjny obraz twarzy jest indywidualny dla każdego człowieka, a przy okazji jest niewrażliwy na zmiany warunków oświetlenia, co pozwala na stabilną identyfikację nawet w warunkach nocnych. Potwierdzają to eksperymenty przeprowadzone w oparciu o trzy różne techniki identyfikacji twarzy na dwóch bazach twarzy zarejestrowanych kamerą kolorową i termowizyjną. Proponowane rozwiązanie może być wykorzystane w systemach monitoringu do wyszukiwania i rozpoznawania osób, np. przy zagrożeniach terrorystycznych.

EN

The paper presents an analysis of applicability of the thermal imaging for pedestrian detection and their biometric verification based on face images. The infrared image offers a relatively high thermal contrast and therefore it allows easier extraction of the pedestrians from the background than the typical visible light imaging. The proposed method of segmentation uses Otsu global threshold and region enlargement technique. It achieves high efficiency of the extraction of regions of interest (up to 98%) and short computation time (31 ms). Moreover, it generates a relatively small number of samples for the classification step (in average 8.6 sample per image). The additionally registered thermo facial images are individual for every human and insensitive for changes of the lighting conditions. It allows a reliable identification of people, even at night. These observations were confirmed in experiments performed with three various identification techniques on two databases of faces registered with the color camera and the thermal camera. The proposed solution can be used in monitoring systems for searching and recognition of persons, e.g. in terrorist threats.

Słowa kluczowe

PL

detekcja pieszych; termowizja; segmentacja obrazu; identyfikacja twarzy; rozpoznawanie zagrożeń

EN

pedestrian detection; thermovision; image segmentation; face recognition; night vision

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2017
• Tom: Vol. 58, nr 10
• Strony: 39--43
• Opis fizyczny: Bibliogr. 14 poz., il., rys., tab.

Twórcy

autor

Piniarski K.

• Politechnika Poznańska, Wydział Informatyki, Instytut Automatyki i Robotyki, Zakład Układów Elektronicznych i Przetwarzania Sygnałów, ul. Jana Pawła II 24, 60-965 Poznań

autor

Pawłowski P.

• Politechnika Poznańska, Wydział Informatyki, Instytut Automatyki i Robotyki, Zakład Układów Elektronicznych i Przetwarzania Sygnałów, ul. Jana Pawła II 24, 60-965 Poznań

Bibliografia

• [1] Y. Luo, J. Remillard and D. Hoetzer, (2010) “Pedestrian Detection in Near-Infrared Night Vision System”, IEEE Intelligent Vehicles Symposium, pp. 51–58.
• [2] M. Marzec1, R. Koprowski, Z. Wróbel, (2009)„Wyznaczanie charakterystycznych obszarów twarzy na obrazach termowizyjnych”, Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna Czasopismo, vol.15, pp. 149–152.
• [3] L. A. V. Cajacuri. (2009) „Early diagnostic of diabetic foot using thermal images”, Other. Universit´e d’Orl´eans, English.
• [4] Q. Liu, J. Zhuang, S. Kong, (2012) “Detection of Pedestrians at Night Time Using Learning-based Method and Head Validation”, Proc. of IEEE Conf. on Imaging Systems and Techniques, pp. 398–402.
• [5] K. Piniarski, P. Pawłowski and A. Dąbrowski, (2014)“Pedestrian Detection by Video Processing in Automotive Night Vision System”, Proc. of IEEE SPA: Signal Processing Algorithms, Architectures, Arrangements and Applications, Poznań, pp. 104–109.
• [6] K. Piniarski, P. Pawłowski and A. Dąbrowski, (2015) “Video Processing Algorithms for Detection of Pedestrians,” Computational Methods in Science and Technology (CMST), vol. 21 (3), pp. 141–150.
• [7] N. Otsu, (1979)“A threshold selection method from gray-level histograms”, IEEE Trans. Sys., Man., Cyber. 9, pp. 62–66.
• [8] M. Bertozzi, A. Broggi, M. Felisa and G. Vezzoni, (2006) “Low-level Pedestrian Detection by means of Visible and Far Infra-red Tetra-vision”, Proc. of IEEE Intelligent Vehicles Symposium, pp. 231–236.
• [9] W. Zhao, A. Krishnaswamy, R. Chellappa, (1998)“Discriminant Analysis of Principal Components for Face Recognition”, Chapter of Face Recognition, vol. 163 of the series NATO ASI Series, pp. 73–85.
• [10] O. M. Parkhi, A. Vedaldi, A. Zisserman, (2015)“Deep Face Recognition”, Visual Geometry Group Department of Engineering Science University of Oxford.
• [11] J. Bauer, J. Mazurkiewicz, H. Podbielska”, (2006) “Thermovision in biometrics face recognition based on thermal imaging”, Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna, vol. 12, nr 2, pp. 85–88.
• [12] IEEE OTCBVS WS Series Bench; DOE University Research Program in Robotics under grant DOE-DE-FG02-86NE37968; DOD/TACOM/NAC/ARC Program under grant R01-1344-18; FAA/NSSA grant R01-1344-48/49; Office of Naval Research under grant #N000143010022.
• [13] P. N. Belhumeur, J. P. Hespanha and D. J. Kriegman, (1979) “Eigenfaces vs. Fisherfaces: recognition using class specific linear projection,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, pp. 711–720.
• [14] T. Ahonen, A. H adid, M. Pietikäinen,(2004) „Face Recognition with Local Binary Patterns”, Computer Vision – ECCV Lecture Notes in Computer Science, vol 3021. Berlin.