Modernste Gesichtserkennung auf dem Weg zum Mainstream
Seit Millionen von Jahren haben Menschen mit Gesichtsgesten kommuniziert, um Emotionen auszudrücken und Botschaften an andere zu senden, sogar noch bevor das Sprechen aufkam. Da Gesichter immer noch eine zentrale Rolle in der menschlichen Kommunikation spielen, ist es für die Gesichtsbildverarbeitung nur natürlich, eine zentrale Rolle in heutigen High-Tech-Umgebungen zu spielen. Das von der Technischen Universität Istanbul in der Türkei koordinierte und durch die EU finanzierte MMFP-Projekt (Multimodal face processing) hat in diesem Bereich große Fortschritte gemacht. „Wir haben uns auf Anwendungen wie Gamifizierung, technologiegestütztes Lernen, unterstützende Systeme, Multimedia-Indizierung und Animation konzentriert“, sagt Projektforscher Dr. Hazim Kemal Ekenel, Associate Professor am Institut für Informatik der Universität. In diesem Sinne entwickelte das Projektteam einen gemeinsamen Rahmen, um Informationen aus Gesichtsbildern und einer maximierten Informationsextraktionsleistung abzuleiten. Es hat auch wichtige Fortschritte beim Benchmarking der Gesichtsverarbeitung unter Umgebungsbedingungen erzielt. Ein wichtiger Fortschritt war die Nutzung von sich faltenden neuronalen Netzen (convolutional neural network, CNNs), künstlichen neuronalen Netzen, die sich an biologischen Prozessen inspiriert haben und erfolgreich für die Analyse visueller Bildgebung verwendet wurden. Preisgekrönte Technologie für Spiele und vieles mehr „Wir haben ein Gesichtserkennungssystem entwickelt, das die CNN-Darstellung und Normalisierung des Punktestands für die Gesichtserkennung unter nicht übereinstimmenden Bedingungen ausnutzt“, bemerkt Dr. Ekenel. „Das entwickelte System erreichte den ersten Platz beim internationalen Pokal für biometrische Erkennung in der freien Natur“, fügt er hinzu. Er bezog sich dabei auf die erste Veranstaltung dieser Art im Rahmen der Internationalen Konferenz über Biometrik. In der Tat entwickelte das Projekt generische, schnelle und robuste Gesichtsbildverarbeitungsalgorithmen, die mehrere Variationsarten gleichzeitig verarbeiten und unter unkontrollierten Bedingungen in Echtzeit funktionieren können. „Die Vielseitigkeit, Geschwindigkeit und Robustheit der entwickelten Ansätze zur Gesichtsbildverarbeitung haben Anwendungen in einer Vielzahl von realen Anwendungen aktiviert“, sagt Dr. Ekenel. Das Projektteam verwirklichte zwei dieser Anwendungen im Bereich der Gamifizierung, was eine ausgezeichnete Gelegenheit darstellt, die Genauigkeit und Robustheit der Technologie zu demonstrieren. „Wir erstellten zwei Machbarkeitsnachweise: Einer ist ein Paintball-ähnliches Spiel, mit dem man auf den Gegner durch Gesichtserkennung zielen kann und das andere ist ein Nachahmungsspiel, bei dem man durch die Nachahmung von Gesichtsausdrücken punktet.“ Gesichter verbergen weder Alter noch Geschmack In technischer Hinsicht hat das Team die tiefgehende lernbasierte Darstellung für Gesichtserkennung unter verschiedenen Bedingungen, einschließlich Pose, Beleuchtung, Fehlausrichtung und Bilddegradationen, erfolgreich weitergeführt. Es verbesserte die Technologie in Bereichen wie Gesicht de-Identifizierung, Altersschätzung und Geschlechtereinteilung. „Wir haben auch ein Erkennungssystem für Gesichtsausdrücke entwickelt, das auf der Basis von statischen und dynamischen Darstellungen arbeitet“, erklärt Dr. Ekenel, „zusätzlich erforschen wir innovative Anwendungen der Gesichtsbildanalyse wie visuelle Abschätzung des Geschmacksinns und intelligentes Tutoring.“ Ein Spin-off ist bereits aus dem Forschungslabor entstanden, das an dem Projekt gearbeitet hat. „Wir haben auch mehrere Industrieprojekte abgeschlossen“, verrät Dr. Ekenel. Alle Projektanstrengungen wurden von den internationalen Partnern aus 11 Ländern in Amerika, Asien und Europa verstärkt, was die Bedeutung des Themas in heutigen High-Tech-Forschungskreisen hervorhebt. Durch den neuen einheitlichen Rahmen für die Ableitung von Informationen aus Gesichtsbildern und die verbesserte Informationsextraktion wurden bereits erste Anwendungen verwirklicht, die auf intelligenterer und genauerer Gesichtserkennung angewiesen sind. Dank dieser Bemühungen sieht die Zukunft dieser Anwendungen jetzt noch besser aus.
Schlüsselbegriffe
Gesichtserkennung, Gesichtsbildverarbeitung, MMFP, Gamifizierung, Faltende neuronale Netzwerke, Biometrie
