Detecção e identificação de pessoas em imagens com borramento causado por movimento

Abstract

Nos dias de hoje, é comum pessoas registrarem momentos curiosos enquanto se movimentam, como acidentes e assaltos, e às vezes podem capturar, mesmo que acidentalmente, pessoas que podem ser de interesse investigativo. Em vários casos, a captura fica borrada devido ao movimento relativo entre a câmera e a pessoa. O avanço da tecnologia, em especial na área de visão computacional, tem se mostrado promissor para tarefas como reconhecimento facial, usando técnicas tipicamente baseadas em redes neurais convolucionais por se demonstrarem mais eficientes que os métodos clássicos. Porém, um borramento causado por movimento (motion blur) se apresenta como um desafio, uma vez que um rosto pode não ser detectado devido ao efeito de deformação e embaçamento causado pelo fenômeno, fazendo a detecção desse rosto também um passo essencial para o reconhecimento. Este trabalho propõe um estudo sobre o impacto que técnicas de tratamento de imagem que amezinam o efeito do motion blur (deblurring) têm na eficácia tanto na detecção quanto no reconhecimento facial. Além do deblurring, também são testadas algumas modificações nos resultados obtidos pela rede detecção facial e também nos dados de entrada (inputs) da rede de reconhecimento, sendo que ambos se demonstraram eficientes na melhora do resultado final. A combinação de deblurring com essas modificações geraram os melhores resultados. O tratamento das imagens melhorou significativamente a detecção e o reconhecimento facial, e o aumento da área da detecção também apresentou melhora consideravel no reconhecimento.

In this day and age, it’s common people recording curious moments while they are moving, like accidents and robberies, and sometimes they can capture, even if by accident, people that might be of investigative interest. In several cases, the image frame can get blurred due to the relative movement between the camera and the person. The advancement of the technology, specially in the computer vision field, have been proving itself promising for tasks such as facial recognition, using techniques typically based on convolutional neural networks as they show themselves to be more efficient than classic methods. However, motion blur presents itself as a challenge, as a face may not be detected due to the deformation and blurring effect caused by the phenomenon, making detection also an essential step towards recognition. This work proposes a study on the impact that image processing techniques that reduce the motion blur effect (deblurring) have on the effectiveness of both facial detection and recognition. In addition to the deblurring, some modifications are also tested in the results obtained by the facial detection network and also in the input data of the recognition network, both of which improved the final result. The combination of deblurring with those modifications had the best results.The deblurring of the images improved significantly the detection and the facial recognition, and the increase of the face detection area also improved the recognition significantly.