Automatic Ear Detection and Segmentation over Partially Occluded Profile Face Images

• Cintas, Celia ^[3] ; Delrieux, Claudio ^[1] ; Navarro, Pablo ^[3] ; Quinto-Sánchez, Mirsha ^[2] ; Pazos, Bruno ^[3] ; Gonzalez-José, Rolando ^[3]
  1. [1] Universidad Nacional del Sur

     Universidad Nacional del Sur

     Argentina

     
  2. [2] Universidad Nacional Autónoma de México

     Universidad Nacional Autónoma de México

     México

     
  3. [3] Instituto Patagónico de Ciencias Sociales y Humanas, Centro Nacional Patagónico, CONICET.

  Mostrar afiliaciones +
• Localización: Journal of Computer Science and Technology, ISSN-e 1666-6038, Vol. 19, Nº. 1, 2019 (Ejemplar dedicado a: Forty-Nineth; e08), págs. 81-90
• Idioma: inglés
• Títulos paralelos:
  • Detecci´on y Segmentaci´on Autom´atica de O´ıdos en Im´agenes de Rostro con Vista Lateral Parcialmente Ocluda.
• Enlaces
  • Texto completo
• Resumen
  • español

    La detecci´on autom´atica del pabell´on auditivo en im´agenes y video, es una funcionalidad crecientemente requerida en varios contextos. Entre ellos podemos citar: identificaci´on biom´etrica no invasiva, an´alisis biom´edicos, estudios forenses, entre otros. En los sistemas de reconocimiento biom´etrico, la detecci´on r´apida y confiable del pabell´on auditivo es un paso fundamental dentro del procesamiento. Las aproximaciones existentes con respecto a esta detecci´on no son robustas, siendo susceptibles a fallas en la presencia de oclusiones parciales, accesorios como aros o piercings, o condiciones desfavorables en la c´amara o la iluminaci´on. Adem´as, gran parte de los sistemas biom´etricos de la actualidad asumen que el dato de entrada ser´a la regi´on de inter´es que contiene el pabell´on auditivo, lo cual limita su uso y reduce la exactitud global de reconocimiento. En este trabajo se eval´ua el uso de redes convolucionales (Convolutional Neural Networks o CNNs) junto con Morfometr´ıa Geom´etrica para la detecci´on autom´atica del pabell´on auditivo y la segmentaci´on de los p´ıxeles correspondientes al mismo mediante el uso de un algoritmo de Convex Hull. Luego del entrenamiento, la red CNN puede detectar el pabell´on auditivo sobre im´agenes de rostro en vista lateral, inclusive en la presencia de oclusiones parciales. Se analiza la performance del m´etodo de detecci´on y segmentaci´on de orejas sobre im´agenes con oclusiones parciales correspondientes al conjunto de datos CVL.

  • English

    Automated, non invasive ear detection in images and video is becoming increasingly required in several contexts, including nonivasive biometric identification, biomedical analysis, forensics, and many others. In biometric recognition systems, fast and robust ear detection is a crucial step within the recognition pipeline. Existing approaches to ear detection are susceptible to fail in the presence of typical everyday situations that prevent a crisp imaging of the ears, like partial occlusions, ear accessories, or uncontrolled camera and illumination conditions. Even more, most of the proposed solutions work efficiently only within a previously detected rectangular region of interest, which limits their applicability and lowers the accuracy of the overall detection. In this paper we evaluate the use of Convolutional Neural Networks (CNNs) together with Geometric Morphometrics (GM) for automatic ear detection in the presence of partial occlusions, and a Convex Hull algorithm for the ear area segmentation. A CNN was trained with a set of ear images landmarked by experts using GM to achieve high consistency. After training, the CNN is able to detect ears over profile faces, even in the presence of partial occlusions. We analyze the performance of the proposed ear detection and segmentation method over partially occluded ear images using the CVL Dataset