Verbetering gezichtsherkenning dankzij TU/e-promovenda

Gezichtsherkenning/Paula van de Riet
Foto’s/Bart van Overbeeke

Baby’s van een paar maanden oud zijn al in staat om gezichten te herkennen. Wil je dat een computer een vergelijkbare prestatie levert, dan moet je alle zeilen bijzetten. Dr. Fei Zuo werkte vier jaar lang aan manieren om computers te leren om gezichten te onderscheiden in een videobeeld, vervolgens gezichtseigenschappen te herkennen en dan het gezicht te identificeren door vergelijking met gegevens in een database. Haar methodes leverden aanzienlijke verbeteringen op in vergelijking met de beste systemen voor gezichtsherkenning. Zuo kreeg het bovendien voor elkaar om met een getrapt of ‘cascade’-systeem van algoritmen de kosten van gezichtsherkenning te verlagen.

“Ik was altijd al geïnteresseerd in hoe computers het leven aangenamer en beter kunnen maken. Ik wilde graag iets anders doen met mijn resultaten dan een beveiligingssysteem ontwerpen. Ik wilde iets maken waarvan mensen gelukkiger worden. Iets dat dichterbij consumentenproducten staat”, vertelt Fei Zuo. “Mijn systeem kan gebruikt worden met relatief eenvoudige hardware in de huiselijke sfeer, geïntegreerd met andere toepassingen. Het systeem herkent de gebruikers en kan op hun voorkeuren reageren door bepaalde dingen aan te bieden of juist niet aan te bieden. Je kunt het systeem bijvoorbeeld ook gebruiken om je foto’s te rangschikken aan de hand van de gezichten van bepaalde mensen. Of juist bepaalde mensen eruit te halen.”
Met een gewone videocamera aan de deur zou een huiscomputer kunnen waarschuwen als vrienden aan de deur staan, of geselecteerde mensen informatie geven over wanneer een bewoner terugkomt. Zo’n systeem is voor iedereen wel leuk, maar zou voor ouderen of gehandicapten een meerwaarde kunnen hebben.
Het systeem zou ook in huis gebruikt kunnen worden om hulpbehoevende mensen meer zelfstandigheid te geven. Een systeem dat mensen herkent, kan sommige taken van iemand die slecht ter been of bedlegerig is overnemen, zoals bepaalde dieren ook getraind kunnen worden om dat te doen. Volgens Zuo zou zo’n systeem zelfs als gezelschap kunnen dienen. Robots voor in huis zouden ook met gezichtsherkenning uitgerust kunnen worden.
Zuo schrijft in haar proefschrift: ‘Gezichtsherkenning heeft een breed scala van toepassingen. Omdat het een niet opdringerige methode voor menselijke identificatie biedt, wordt het gezicht gebruikt als een belangrijke biometriek in beveiligingstoepassingen. Voor gezichtsherkenning is de laatste tijd veel belangstelling voor gebruik bij grensbewaking, en een aantal landen integreert gezichtsgegevens in een elektronisch paspoort naast een aantal andere biometrische gegevens zoals vingerafdrukken en iris scans. Behalve in de beveiliging en politiewerk, wordt gezichtsherkenning ook toegepast in de entertainment industrie en in consumentenelektronica als een middel om tot een gebruikersinterface te komen. Door het bestaan en de identiteit van de gebruiker te erkennen, kunnen consumentenapparaten gerichte diensten bieden, en zo een verbeterde gebruikerservaring creëren.’
Zuo heeft zich in haar research geconcentreerd op drie signaal bewerkingsstappen. Ten eerste moet de computer leren een gezicht te onderscheiden van de omgeving. Dat gebeurt aan de hand van de ‘beweeglijkheid’ van een gezicht ten opzichte van de omgeving. Deze gezichtsdetectie wordt als apart systeem ook wel toegepast om objecten verschillende codes te geven en gezichtsgebieden een andere code toe te kennen dan de rest van een videoscène. Ook kunnen camera’s met deze techniek automatisch gezichten blijven volgen, waardoor videocommunicatie een natuurlijkere en prettigere ervaring wordt.
In een tweede stap moet de computer leren om gezichtskenmerken te onderscheiden. Ook als het gezicht in kwestie een andere uitdrukking heeft, opgemaakt is, ouder is, een ander kapsel heeft of van verschillende kanten bekeken wordt. De belangrijkste ijkpunten zijn ogen, mond, neus en wenkbrauwen. In sommige gevallen is het nodig om deze kenmerken meer gedetailleerd voor de computer te ‘omschrijven’. Daarvoor heeft Zuo het zogenoemde ‘Active Shape Model’-algoritme of ASM uitgebreid. Dat leidde tot een verdubbeling van het convergentiegebied en een verbetering van de nauwkeurigheid met zeventien procent. ‘We hebben een verzameling van richtlijnen gedefinieerd voor het hele systeem dat gebruikmaakt van de performance relaties tussen naburige algoritmen.(….) Experimenten hebben aangetoond dat onze benadering niet gevoelig is voor grote variaties in het model en een hoge extractie nauwkeurigheid bereikt (24 procent winst vergeleken met ASM)’, schrijft Zuo in haar proefschrift.
Ten derde wordt een systeem getraind om aan de hand van de gezichtskenmerken ook daadwerkelijk een gezicht te identificeren. “De computer brengt de gezichtsgegevens van een videobeeld in verband met gegevens in een database en kan daar eventueel op reageren”, vertelt Zuo. Identificatie wordt vergemakkelijkt door gebruik te maken van onderscheidende eigenschappen van elk persoon. Deze ‘discriminerende’ benadering leverde 23 procent minder identificatiefouten op.
Kosten worden bespaard door verschillende soorten algoritmen te gebruiken in een zogenoemde cascadestructuur. “Sommige algoritmen zijn eenvoudig en werken dus snel, dat zijn de eersten die toegepast worden om een aantal zaken te herkennen of uit te sluiten”, vertelt Zuo. “Andere algoritmen zijn complex en nemen veel tijd in beslag. Als de computer genoeg heeft aan de eenvoudige algoritmen, bespaart dit dus tijd en geld. De complexe algoritmen worden alleen ingezet als ze nodig zijn. Dat is een verschil met bestaande systemen, die standaard alles achter elkaar afwerken”.
Het herkenningssysteem van Fei Zuo is met succes getest in een ‘huis van de toekomst’ van Philips, met de naam HomeNet2Run. ‘In uitgebreide testsessies is het systeem met competitieve prestaties gedemonstreerd met betrekking tot robuustheid, nauwkeurigheid en efficiënt gebruik van rekenkracht’, schrijft ze.

Mooie tuin
De Chinese onderzoekster, van origine uit Xian, heeft sinds 2005 de TU/e achter zich gelaten voor een baan bij Philips Research. Daar werkt zij aan de verbetering van videocompressietechnieken: videobeelden steeds kleiner maken en tegelijkertijd de kwaliteit proberen te verbeteren. Deze technieken worden bijvoorbeeld gebruikt in de mobiele telefonie, waar met een beperkt aantal bits gewerkt wordt. “Daar is nog veel ruimte voor verbetering”, vindt Zuo.
Net als aan de universiteit werkt Zuo bij Philips Research samen met collega’s uit allerlei landen. Zuo zegt dat ze gelukkig is in haar werk en in Nederland. Haar man kwam een jaar eerder naar Nederland dan zij en werkt momenteel als postdoc bij de TU/e. “Ik leef in een boeiende internationale omgeving, waar veel mensen ook met het intelligenter maken en trainen van computers bezig zijn. En wonen in Nederland ervaar ik -zeker in de lente en de zomer- als wonen in een mooie tuin. Daar geniet ik van”./.