Probamos el ejemplo inicial, obteniendo de él un método de extracción de contornos de la oreja y otro método de extracción de características, pero al intentar hacerlos trabajar en conjunto, nos dio problemas. Por lo tanto nos toca buscar nuevas ayudas, aquí tenemos dos nuevos ejemplos que hemos encontrado:
- Identificación estable de los bordes de la oreja en imágenes 2D
- Model-Based Human Ear Localization and Feature Extraction
Primer paso conseguido!!!!
Ya hemos logrado el primer punto, sacar el contorno de la oreja:
Ahora a por el siguiente, a calcular el centroide
Ahora a por el siguiente, a calcular el centroide
Quinto paso: Clasificación
Por cada imagen almacenada en nuestra BD, vamos a tener dos vectores, y para cada oreja tendremos muchas imagenes capturadas bajo diferentes ángulos de la cámara. Nuestro algoritmo para reconocer una imagen entrante (capturada) será el siguiente:
1.- para un número fijo de círculos, se obtendrán las características de los vectores de la imagen entrante
2.- para cada radio, buscamos en la BD el vector que tiene el mismo número de intersecciones para los radios correspondientes
3.- se permitirá un margen en el número de intersecciones de "δ" pixeles en cada círculo
4.- comparamos si la diferencia en la suma de la distancia de todos los vectores extraídos es menor a un cierto valor umbral/límite
5.- si ninguno de los vectores son encontrados para la imagen entrante, ésta es rechazada
6.- si el número de puntos de intersección es aceptado y la diferencia con la suma de la distancia es menor que un cierto valor umbral/límite, se comprueba el vector de contorno
7.- buscaremos siempre una serie de puntos clave en la imagen entrante. Despúes, comprobaremos en nuestra BD si las imágenes tienen las mismas coordenadas de los puntos obtenidos
8.- si las coordenadas correspondientes de esos vectores hacen referencia a los mismos puntos, entonces tendremos que la imagen entrante se encuentra identificada en nuestra BD
1.- para un número fijo de círculos, se obtendrán las características de los vectores de la imagen entrante
2.- para cada radio, buscamos en la BD el vector que tiene el mismo número de intersecciones para los radios correspondientes
3.- se permitirá un margen en el número de intersecciones de "δ" pixeles en cada círculo
4.- comparamos si la diferencia en la suma de la distancia de todos los vectores extraídos es menor a un cierto valor umbral/límite
5.- si ninguno de los vectores son encontrados para la imagen entrante, ésta es rechazada
6.- si el número de puntos de intersección es aceptado y la diferencia con la suma de la distancia es menor que un cierto valor umbral/límite, se comprueba el vector de contorno
7.- buscaremos siempre una serie de puntos clave en la imagen entrante. Despúes, comprobaremos en nuestra BD si las imágenes tienen las mismas coordenadas de los puntos obtenidos
8.- si las coordenadas correspondientes de esos vectores hacen referencia a los mismos puntos, entonces tendremos que la imagen entrante se encuentra identificada en nuestra BD
Cuarto paso: Extracción de las características
Hay muchos métodos para extraer las características. Nosotros vamos a estudiar hacerlo basándonos en el número de pixeles que se encuentren en el mismo radio en un círculo con el centro en el baricentro y en la topología del contorno.
Se va a dividir en 2 pasos. El primero sería:
1.- se crean una serie de círculos con en centro en el baricentro
2.- el número de círculos simpre va a ser el mismo
3.- se crearán de tal manera que los radios son α pixeles de longitud respecto del radio anterior
4.- cada círculo es atravesado por el contorno de los pixeles de la imagen y se contarán el número de intersecciones de los pixeles
5.- después se procederá a calcular todas las distancias entre los pixeles vecinos, en la dirección contraria a las agujas del reloj
6.- se construirá un vector que tendrá todos los radios con el correspondiente número de pixeles pertenecientes a cada radio y con la suma de todas las distacias entre estos pixeles
El siguiente paso será construir un segundo vector, para mejorar el caracter distintivo de las características extraídas. Para ello, nos seguiremos basando en los círculos creados anteriormente. Extraeremos los puntos característicos para cada contorno en las coordenadas normalizadas
Para cada línera de contorno, las característcas de los puntos son:
- las terminaciones del contorno
- sus bifurcaciones
- todos los puntos que cruzan los círculos creados (extraídos anteriormente)
En cada contorno se comprobarán las características de cada pixel.
Comenzaremos el algoritmo en el círculo más exterior. Después buscamos en los demás, desde éste hacia el baricentro. Nos iremos encontrando con puntos que tendrán una serie de características y los iremos agrupando. También si irán almacenando las intersecciones del contorno con los círculos creados.
En resumen, lo que se almacena en este segundo vector serán: el número de terminaciones, las bifurcaciones y los puntos de intersección, y también todas las coordenadas de estos puntos para todos los contornos extraídos y trazados.
Se va a dividir en 2 pasos. El primero sería:
1.- se crean una serie de círculos con en centro en el baricentro
2.- el número de círculos simpre va a ser el mismo
3.- se crearán de tal manera que los radios son α pixeles de longitud respecto del radio anterior
4.- cada círculo es atravesado por el contorno de los pixeles de la imagen y se contarán el número de intersecciones de los pixeles
5.- después se procederá a calcular todas las distancias entre los pixeles vecinos, en la dirección contraria a las agujas del reloj
6.- se construirá un vector que tendrá todos los radios con el correspondiente número de pixeles pertenecientes a cada radio y con la suma de todas las distacias entre estos pixeles
El siguiente paso será construir un segundo vector, para mejorar el caracter distintivo de las características extraídas. Para ello, nos seguiremos basando en los círculos creados anteriormente. Extraeremos los puntos característicos para cada contorno en las coordenadas normalizadas
Para cada línera de contorno, las característcas de los puntos son:
- las terminaciones del contorno
- sus bifurcaciones
- todos los puntos que cruzan los círculos creados (extraídos anteriormente)
En cada contorno se comprobarán las características de cada pixel.
Comenzaremos el algoritmo en el círculo más exterior. Después buscamos en los demás, desde éste hacia el baricentro. Nos iremos encontrando con puntos que tendrán una serie de características y los iremos agrupando. También si irán almacenando las intersecciones del contorno con los círculos creados.
En resumen, lo que se almacena en este segundo vector serán: el número de terminaciones, las bifurcaciones y los puntos de intersección, y también todas las coordenadas de estos puntos para todos los contornos extraídos y trazados.