Spiel Skizze (Zeichnung) Gesicht Foto zu digitalen Farbfoto

Question

Ich werde die Skizze Gesicht (Zeichnung Foto) in das Farbfoto übereinstimmen. so für die Forschung möchte ich herausfinden, welche Herausforderungen die passende Skizze sind, die zu den farbigen Gesichtern zeichnet. So habe ich nun, dass

1. Auflösung Pixeldifferenz
2. Textur Unterschied
3. Entfernungsdifferenz
4. und Farbe (nicht viel Wirkung)

Ich möchte wissen, herauszufinden (in technischer Hinsicht) Was sind andere Herausforderungen und was sind verfügbar OPEN CV und JAVA CV Methode und Algorithmen, um diese Herausforderungen zu überwinden? Hier

ist einige Beispiel für die Skizzen und die Fotos, die sie sind dafür bekannt, entsprechen:

Answer 1

Sie Eigengesichter einen Versuch geben könnte, obwohl ich sie nie mit Skizzen getestet Ich denke, sie könnten eine mindestens sei ein guter Ausgangspunkt für deine Forschung.

Siehe Wiki: http://en.wikipedia.org/wiki/Eigenface und das Tutorial für OpenCV: (! Darunter nicht nur Eigengesichter) http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html

Answer 2

Ich denke, dass James Elder alte Arbeiten an der Vollständigkeit der Kantenkarte (mit Rekonstruktion durch die Laplace-Gleichung zu lösen) ist ziemlich relevant hier. Siehe die Ergebnisse am Ende dieses Dokuments: http://elderlab.yorku.ca/~elder/publications/journals/ElderIJCV99.pdf

Answer 3

Dieses Problem wird als multimodale Gesichtserkennung bezeichnet. Es besteht ein großes Interesse daran, ein qualitativ hochwertiges Fahndungsfoto (Modalität 1) mit minderwertigen Überwachungsbildern (Modalität 2) zu vergleichen, ein anderes sind frontale Bilder zu Profilen oder Bilder zu Skizzen, an denen das OP interessiert ist. Partial Least Squares (PLS) und Tied Factor Analysis (TFA) wurden für diesen Zweck verwendet.

Eine Schlüsselschwierigkeit besteht darin, zwei lineare Projektionen aus dem Bild in Modalität 1 (und Modalität 2) in einen Raum zu berechnen, in dem zwei nahe liegende Punkte bedeuten, dass die Person gleich ist. Dies ist der wichtigste technische Schritt. Hier sind einige Papiere zu diesem Ansatz:

1. Abhishek Sharma, David W Jacobs: Bypassing Synthesis: PLS for Face Recognition with Pose, Low-Resolution and Sketch. CVPR 2011.
2. S.J.D. Prinz, J. H. Elder, J. Warrell, F.M. Felisberti, Tied Factor Analysis for Face Recognition across Large Pose Differences, IEEE Patt. Anal. Mach. Intell, 30 (6), 970-984, 2008. Elder ist ein Spezialist in diesem Bereich und hat a variety of papers on the topic.
3. B. Kläre, Z. Li und A. K. Jain, Matching forensic sketches to mugshot photos, IEEE Pattern Analysis and Machine Intelligence 29 September 2010.

Wie Sie wissen, ist dies ein aktives Forschungsgebiet/Problem. Um mit OpenCV die Schwierigkeiten zu überwinden, lass mich dir eine Analogie geben: Du musst ein Haus bauen (passende Skizzen zu Fotos) und du fragst, wie ein Stanley Hammer (OpenCV) helfen kann. Sicher, es wird wahrscheinlich helfen. Aber Sie benötigen auch eine Menge anderer Ressourcen: Holz, Zeit/Geld, Rohre, Kabel, etc.

Answer 4

OpenCV kann für Feature-Extraktion und maschinelles Lernen für diese Aufgabe benötigt werden.Ich denke, Sie können mit den Papieren in den obigen Antworten beginnen, mit einigen grundlegenden Funktionen beginnen und einen Klassifizierer mit OpenCV erstellen.

Ich denke, Sie möchten vielleicht auch Feature-Punkte auf den Gesichtern erkennen und abgleichen. Wenn Sie diesen Ansatz verwenden, müssen Sie die Feature-Point-Detektoren selbst machen (das Training des Viola-Jones-Detektors in OpenCV mit Ihren eigenen Daten ist eine Option).