Erkennung von Personen anhand ihrer Kleidung und die ...

Abbildung 4.2: Ein vom Encara Plugin erkanntes Gesicht
4.2.3 Encara Stable Detect Plugin
Das Encara Stable Detect Plugin dient dazu, aus den vom Encara Plugin gelieferten
Daten, diejenigen Objekte heraus zu filtern, die vom Encara Plugin nur kurzzeitig
als Gesicht eingestuft werden. Dadurch soll vermieden werden, dass fälschlicherweise
als Gesicht eingestufte Objekte die Verarbeitung der Daten durch die anderen Plugins
beeinträchtigen. Des Weiteren fügt das Encara Stable Detect Plugin allen anderen,
nicht herausgefilterten und damit als Gesicht eingestuften Daten, eine für jedes Gesicht
eindeutige stable-id hinzu.
4.2.4 aam4iw_init Plugin und aam4iw_fit Plugin
Die beiden Plugins aam4iw_init und aam4iw_fit führen bei den erkannten Gesichtern
eine Merkmalsextraktion, unter Verwendung der Active Appearance Models (siehe
Abschnitt 2.3.1), druch. Dabei dient das aam4iw_init Plugin zur Initialisierung der
Appearance-Parameter der erkannten Gesichter. Diese werden vom, im aam4iw_fit
Plugin implementierten, Active Appearance Models Suchalgorithmus verwendet.[9]
Das aam4iw_fit Plugin trägt als Ergebnis einen Merkmalsvektor in die Gesichtsdaten
des Encara Plugins ein.
4.2.5 caiwicat-classify Plugin
Das caiwicat-classify Plugin wird zur Klassifikation von Merkmalsvektoren verwendet.
[9] Wird bei der Eingabe eines Merkmalsvektors, in Form von XML Daten,
eine Klassen ID mit übergeben, trainiert das Plugin einen Klassifikator. Ist in den
übergebenen XML Daten keine Klassen ID eingetragen, wird der Merkmalsvektor
vom Plugin klassifiziert. Das aam4iw_fit Plugin kann Kommandos von anderen
IceWing Plugins in Form von XML Daten entgegennehmen. Gegebenenfalls gibt
es die Antwort ebenfalls in Form von XML Daten zurück. Diese Feature wird vom
Adapter Plugin benutzt, um alle, dem caiwicat-classify Plugin bekannten Klassen, zu
erhalten (siehe Abschnitt 4.2.8).
Im Rahmen dieser Bachelorarbeit wurden die folgenden Klassifikatoren benutzt.
Gesichtserkennung
Für die Gesichtserkennung wurde eine Kombination aus Nächsten Nachbar Klassifikator
und Support Vektor Maschinen verwendet. Die Funktionsweise dieser Klassifikatoren
wird u.a. in [6] und [14] beschrieben.
15