Analisi comparativa di tecniche di rappresentazione per il riconoscimento automatico di volti

La forma di un oggetto qualsiasi, come ad esempio un volto umano, in un'immagine può essere rappresentata usando n punti bidimensionali; una qualsiasi configurazione di questi n punti per essere considerata appartenente ad una data classe di oggetti deve risultare invariante rispetto ad una configurazione “base” applicando le trasformazioni di similarità come la traslazione, la rotazione e la scalatura. Questa tecnica viene comunemente denominata Active Shape Model (ASM).
Nella fattispecie, un nuovo volto viene considerato appartenere ad un dato individuo quando i suoi punti “salienti” risultano roto-traslati e scalati rispetto alla configurazione che gli stessi punti hanno nel training-set. Nel training-set questi punti possono o essere annotati manualmente da un agente umano oppure, essere individuati attraverso sistemi automatici; una volta conosciuti tutti questi punti, immagine per immagine, se ne possono studiare le variazioni all'interno del training-set per individuare un modello statistico che ne spieghi le differenze. La successiva fase di riconoscimento viene eseguita calcolando in modo completamente automatico le posizioni di questi punti nel nuovo volto, per poi passare all'analisi statistica vera e propria, che serve per il riconoscimento finale.

Un aspetto importante nel riconoscimento automatico di volti mediante ASM è quello di scegliere bene la posizione dei punti salienti che definiscono la forma di un qualsiasi oggetto. Buona norma risulta quella di scegliere i punti nelle zone in cui si hanno intersezioni fra due o più bordi. Nel caso di volti umani questi punti vengono presi anche in modo da localizzare delle specifiche regioni biologiche come ad esempio la bocca, il naso e gli occhi. I punti usati nel riconoscimento del volto sono collocati nei contorni del'ovale, della bocca, del naso, degli occhi e dei sopraccigli, anche se questi ultimi sono poco utilizzabili, in quanto troppo variabili al cambiare dell'espressione del'individuo considerato.
I bordi dell'ovale e del naso, comunque, nella pratica risultano i più indicativi per un dato soggetto, in quanto hanno una variabilità molto più bassa, anche al variare delle espressioni, ma non sono in ogni modo invarianti nel caso in cui l'individuo ruoti il volto in senso verticale od orizzontale. La lista dei punti precedenti può essere aumentata usandone anche altri, equispaziati gli uni dagli altri, calcolati automaticamente mediante l'uso di splines interpolanti [M. Maggini, S. Melacci, L. Sarti, 2007].