1. BÖLÜM
2.9. Ülkemizde Teknolojik Yenilik
Para avaliar a influência da iluminação no processo de reidentificação cinco métodos para estimação de ilumina- ção foram selecionados. Tais métodos assumem superfícies lambertianas e modelam os valores dos pixels das imagens fi = (Ri, Gi, Bi)t como depende da fonte de luz e(λ), da reflectância da superfície s(λ) e da função de sensibilidade da câmera c(λ), onde λ é o comprimento da onda. A Figura 5 ilustra os diferentes resultados recuperados para a iluminação pelos algoritmos avaliados.
A. Grey World
Buchsbaum [7] propôs a hipótese conhecida como suposi- ção Grey-World, observando que a média da reflectância para
Figura 5. Cores da iluminaçnao obtidas pelos métodos descritos na seção IV
uma região de onda-curta, onda-média e onda-longa são iguais. Sua heurística assume que dentro de uma fonte branca de luz, a média da cor na cena é acromática. Estão a estimação da iluminação é feita considerando que qualquer desvio do cinza da cor média é causada por efeitos da fonte de luz.
B. Max-RGB
Land [8] assume que a resposta máxima em uma imagem é causada por uma reflectância perfeita (produzida por uma área branca). Uma área branca reflete toda a luz incidente, então sua posição na imagem pode ser encontrada procurando pelo maior valor RGB. O método não restringe que o máximo valor de cada canal esteja no mesmo local, e também obtém resultados corretos de estimação de iluminação quando a reflectância máxima é igual para os três canais.
C. Shades of grey
Em [4], Finlayson e Trezzi argumentam que ambos os algoritmos Grey-World e max-RGB são duas diferentes ins- tanciações de um algoritmo de constância de cor mais geral baseado na norma Minkowski. Seu método é chamado Shades of Grey e é computado por :
✓ R (f (x))pdx R dx
◆1/p
= ke (1)
Quando p = 1 a equação representa a suposição Grey- World, enquanto para p = 1 modela uma aproximação do algoritmo max-RGB.
D. Grey edge
Como uma alternativa para a hipótese Grey-World, em [9] a hipótese Grey-Edge é proposta considerando que a média das diferenças das reflectâncias em uma cena é acromática. Com a suposição Grey-Edge a cor da fonte de luz pode ser computada a partir da média das derivadas de cor na imagem, dada por:
R |fx(x)| dx
R dx = k (2)
Onde o x subscrito indica a derivada espacial. Também pode ser observado, que o algoritmo Grey-Edge é baseado nos mesmos princípios dos métodos anteriores, mas utiliza derivadas das imagens no lugar de pixels.
Tabela II
NÚMEROS DE BOUNDING BOXES REIDENTIFICADAS
Categoria v. pos. v. neg. f. pos. f. neg.
Imagens originais 3355 39693 319 5028
Grey World 3368 39632 380 5015
Max-RGB 3394 39680 332 4989
Shades of grey 3357 39662 350 5026
Grey edge 3303 39675 337 5080
Weighted grey edge 3262 39672 340 5121
Tabela III MEDIDAS DE PERFORMACE
Categoria precisão sensitividade acurácia
Imagens originais 91.32% 40.02% 88.95%
Grey World 89.86% 40.18% 88.85%
Max-RGB 91.09% 40.49% 89.01%
Shades of grey 90.56% 40.05% 88.89%
Grey edge 90.74% 39.40% 88.81%
Weighted grey edge 90.56% 38.91% 88.72%
E. Weighted grey edge
Em [10] , Gijsenij et al. propôs dar pesos para diferentes tipos de arestas ao diferenciar entre arestas de material, sombras e realces, a fim de fazer uma influência distinta sobre o desempenho da iluminação estimada. Eles argumentam que os tipos de arestas de realces e sombras são mais valiosos do que as aquelas de material para a estimativa da iluminação e propõe um algoritmo interativo weighted Grey-Edge no qual esses tipos de arestas são mais enfatizados.
V. RESULTADOS
Um fator de grande impacto nos resultados foi a escolha do número k de clusteres. Foram avaliadas execuções do k-means com quatro valores de k diferentes: 8, 16, 32 e 64 cores. A Figura 6 é possível visualizar as diferenças de uma mesma imagem quantizada com valores k diferentes.
As coleções quantizadas em 8 e 16 cores tem suas imagens transformadas em aparência muito simplificada, produzindo diversos casos de indivíduos distintos de vestimentas com cores semelhantes que passam a ser associadas ao mesmo cluster no processo de quantização, induzindo erroneamente a reidentificação a associar tais indivíduos distintos como se fossem a mesma pessoa.
No outro extremo, as coleções quantizadas em 64 cores produzem imagens que visualmente se assemelham bastante com as originais. Entretanto, esse número de cores se mostrou grande o suficiente para que ocorressem diversos casos onde diferenças de iluminação da captura de um mesmo indivíduo em fotos distintas produzissem distribuições cromáticas bas- tante diferentes.
Para a base proposta portanto, o equilíbrio entre a redução da dimensionalidade e a distinção de cores desejada se deu para o uso de 32 cores.
De maneira geral, a observação dos resultados apresentados nas tabelas II, III e IV demonstrou um alto índice de acerto do algoritmo mesmo frente a sua simplicidade e uso exclusivo de dados da aparência de roupas sem agregar características faciais.
(a) 8 cores (b) 16 cores (c) 32 cores
(d) 64 cores (e) original
Figura 6. Comparação de imagens quantizadas com valores de k diferentes e imagem original
Tabela IV
MEDIDAS DE PERFORMACE UTILIZANDO AS IMAGENS ORIGINAIS SEPARADOS PELAS CATEGORIAS PROPOSTAS
Categoria precisão sensitividade acurácia
Frontal 90.21% 42.51% 90.13% Não Frontal 92.16% 37.25% 86.73% Oclusão 90.72% 46.90% 92.05% De costas 91.61% 31.64% 88.47% Gêmeos 100.00% 35.86% 72.57% Baixa Resolução 91.88% 37.09% 88.15%
Sobre a comparação de resultados entre os métodos de tratamento de iluminação avaliados, os resultados não apre- sentaram mudanças significativas nos valores quantitativos e nas medidas de performance levando a uma análise mais minuciosa sobre o ocorrido.
Uma análise individual de cada álbum mostrou de fato melhorias nos resultados da reidentificação daqueles álbuns no qual há grandes variações de iluminação, mas na base contruída o número desses casos é muito inferior ao de cole- ções inteiras capturas sob as mesmas condições de iluminação (mesmo ambiente, em curto espaço de tempo e obtidas a partir de um mesmo dispositivo). A Figura 7 é uma amostra típica de coleção encontrada na base com pouca ou nenhuma variação de iluminação.
Este desbalanceamento fez com que os resultados positivos da inserção do pré-processamento proposto fossem suprimidos numericamente pelos erros inseridos pelo mesmo, ao distanciar artificialmente a iluminação de fotografias em álbum original- mente com iluminações próximas.
Tal análise mais detalhada das coleções com grande vari- ações de iluminação mostra que nesses casos há uma dimi-
Figura 7. Exemplos de uma coleção com pouca variação de iluminacão, com fotos retirados em um curto período de tempo e com posições semelhantes
nuição no total de reidentificações contabilizadas como falsos negativos, ou seja, casos onde uma determinada pessoa não foi reconhecida com uma outra bounding box do mesmo indivíduo ( Figura 8 ). Em algum casos também houve a diminuição do número de falsos positivos, ou seja, casos onde pessoas diferentes eram marcadas como a mesma pessoa por efeitos da iluminação.
Figura 8. Exemplos de resultados gerados pelos algoritmos de constância de cor mencionados na seção IV em uma amostra de 4 fotos de uma coleção
VI. CONCLUSÕES
Este trabalho apresentou uma pipeline para reidentificação de pessoas em coleções de fotografias cobrindo um único evento baseado na premissa de que em tais coleções uma pessoa mantém sua aparência visual ao longo deste conjunto de fotografias. Os resultados foram bastante promissores con- siderando a simplicidade da pipeline proposta e o acerto obtido de 91%.
Um outro aspecto do trabalho foi avaliar a influência da iluminação no processo de reidentificação. Para este fim foi proposta a transformação das fotografias de cada coleção para
uma iluminação canônica por um conjunto de cinco métodos distintos, a saber: Grey World; Max-RGB; Shades of Grey; Grey Edge; Weighted Grey Edge.
A comparação numérica dos resultados com os tratamentos de iluminação analisados versus o uso das imagens originais não demostrou numéricamente melhorias significativas, entre- tanto atribui-se esse fato ao desbalanceamento de álbuns de iluminação homogênea na base construída em detrimento ao de álbuns com variação real de iluminação.
Entretanto, a observação individual dos álbuns com variação de iluminação significativa demonstrou de fato uma melhoria nos resultados da reidentificação. Assim, concluiu-se que o número de álbuns beneficiados pela normalização de ilumi- nação foi insuficiente para expressar mudanças significativas nas medidas de performance fazendo necessário em trabalho futuro equilibrar a base com um maior número de álbuns com variações significativas de iluminação.
REFERÊNCIAS
[1] A. C. Gallagher and T. Chen, “Clothing cosegmentation for recognizing people,” in In Proc. of Conf. on Computer Vision and Pattern Recogni- tion, 2008.
[2] D. Lin, A. Kapoor, G. Hua, and S. Baker, “Joint people, event, and location recognition in personal photo collections using cross-domain context,” in Proceedings of the 11th European conference on Computer vision: Part I, ser. ECCV’10, 2010, pp. 243–256.
[3] L. Huang, T. Xia, J. Wan, Y. Zhang, and S. Lin, “Personalized portraits ranking.” in ACM Multimedia, K. S. Candan, S. Panchanathan, B. Prabhakaran, H. Sundaram, W. chi Feng, and N. Sebe, Eds. ACM, 2011, pp. 1277–1280. [Online]. Available: http://dblp.uni-trier.de/db/ conf/mm/mm2011.html#HuangXWZL11
[4] G. D. Finlayson and E. Trezzi, “Shades of gray and colour constancy.” in Color Imaging Conference. IS&T - The Society for Imaging Science and Technology, 2004, pp. 37–41. [Online]. Available: http://dblp.uni-trier.de/db/conf/imaging/cic2004.html#FinlaysonT04 [5] D. Arthur and S. Vassilvitskii, “k-means++: the advantages of careful se-
eding,” in Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, ser. SODA ’07, 2007, pp. 1027–1035. [6] P. Viola and M. J. Jones, “Robust real-time face detection,” Int. J.
Comput. Vision, vol. 57, no. 2, pp. 137–154, May 2004.
[7] G. Buchsbaum, “A Spatial Processor Model for Object Colour Perception,” Journal of the Franklin Institute, vol. 310, no. 1, pp. 1–26, 1980. [Online]. Available: http://www.sciencedirect.com/science/article/ pii/0016003280900587
[8] E. H. Land, “The retinex theory of color vision.” 1977.
[9] J. van de Weijer, T. Gevers, and A. Gijsenij, “Edge-based color constancy.” IEEE Transactions on Image Processing, vol. 16, no. 9, pp. 2207–2214, 2007. [Online]. Available: http://dblp.uni-trier.de/db/ journals/tip/tip16.html#WeijerGG07
[10] A. Gijsenij, T. Gevers, and J. van de Weijer, “Improving color constancy by photometric edge weighting.” IEEE Trans. Pattern Anal. Mach. Intell., vol. 34, no. 5, pp. 918–929, 2012. [Online]. Available: http://dblp.uni-trier.de/db/journals/pami/pami34.html#GijsenijGW12