Echtzeit-Gesichtserkennung und Objektverfolgung als Bestandteil einer wahrnehmbaren Benutzeroberfläche

Als Schritt in Richtung einer wahrnehmbaren Benutzeroberfläche wird ein Objektverfolgungsalgorithmus entwickelt und demonstriert, der menschliche Gesichter verfolgt. Computer Vision-Algorithmen, die Teil einer wahrnehmbaren Benutzeroberfläche sein sollen, müssen schnell und effizient sein. Sie müssen in der Lage sein, in Echtzeit zu verfolgen, ohne dabei einen erheblichen Anteil an Rechenressourcen zu beanspruchen. Hier wird ein effizienter, neuer Algorithmus beschrieben, der auf dem Mean-Shift-Algorithmus basiert. Der Mean-Shift-Algorithmus findet robust den Modus (Höhepunkt) von Wahrscheinlichkeitsverteilungen. Zunächst beschreiben wir histogrammbasierte Methoden zur Erzeugung von Objekt-Wahrscheinlichkeitsverteilungen. In unserem Fall wollen wir den Modus der Wahrscheinlichkeitsverteilung eines Objekts innerhalb einer Videoszene verfolgen. Da sich die Wahrscheinlichkeitsverteilung des Objekts dynamisch ändern und bewegen kann, wird der Mean-Shift-Algorithmus modifiziert, um mit dynamisch ändernden Wahrscheinlichkeitsverteilungen umzugehen. Der modifizierte Algorithmus wird als Continuously Adaptive Mean Shift (CAMSHIFT) Algorithmus bezeichnet. CAMSHIFT wird dann als Schnittstelle für Spiele und Grafiken verwendet.