Ansikts Tracking

 

Ansikts Tracking är en gren av datorseende som innebär att köra uträkningar på ansiktsbild data. Denna typ av programvara spelar en tydlig roll i framtiden AR och VR: S program och kommer att påverka framtiden för e-handel, säkerhet, videospel och förbindelserna industri.

IT forskningar har sett betydande framgång i utvecklingen med vår egen ansikts tracking algoritmer. Vår programvara stöder ansiktsbehandling funktionen spårning med RGB sensorer samt framtida djup sensor konfigurationer, känd som RGB-D. Införandet av djupdata är en viktig utveckling i ansikts tracking, som gör det möjligt för robust 3 dimensionell rekonstruktioner av mänskliga ansikten liksom ocklusion. Ocklusion kan innehåll som hattar, glasögon och smycken ska återges korrekt bakom eller runt ansiktet när en användare vänder sitt huvud. Detta ger konsumenterna en övertygande och realistisk upplevelse för provtagning på en mängd olika huvud slitna produkter.

Perfekt stödsystem för det mänskliga ansiktet bör ändra och anpassa i enlighet med variationer i en användares ansiktsuttryck. Detta är nödvändigt när ansikts tracking används för spel, film eller ens produktutvärdering i kosmetikabranschen. IT forskningar teknik löser detta krav med stöd för ansikts funktionen spårning, tillgänglig på nuvarande generationen mobil hårdvara.

Möjligheten att skapa 3D, HiFi rekonstruktioner av mänskliga ansikten kommer att öppna nya dörrar för mer visceral långdistans kommunikation, förbättring av produkt Pre-visualisering, ökad nedsänkning för TV-spel, förstärkt säkerhetsåtgärderna, samt andra områden av applikationen.

Nästa Generation sensorer

 

Utvecklingen av datorseende är beroende av utvecklingen av de sensoriska. Historiskt har varit användning av en smart enhetens kameramodul stort fokus på mobila datorseende; olika typer av sensorer aktiverar dock mer sofistikerade erfarenheter och interaktioner. Med dessa mål i åtanke, IT forskningar har integrerat "Thermal Touch" i deras portfölj av teknik – ett system som kan identifiera de objekt vi beröring genom fjärranalys värmen kvar på dem av våra fingrar. Användare kan manipulera virtuella innehåll i en scen genom fysisk interaktion med den verkliga världen, att skapa ett unikt gränssnitt mellan två.

En annan ny teknik som gör en inverkan i datorseende är djup sensorer, eller "RGB-D" konfigurationer. Djup avkänning direkt löser problemet med att avgöra avstånd objektet i en scen, och kan integreras med befintliga visuell information att generera korrekt och skala korrekta rekonstruktioner av miljöer i realtid. Detta har mycket påtagligt användningsområden för produkten Pre-visualisering, utrustning för montering, gest och ansikts tracking. Dessutom RGB-D sensorer aktiverar ocklusion av virtuella innehållet bakom riktiga objekt som ligger närmare betraktaren, en viktig landvinning som gör nästan alla AR erfar mer realistiska och integrerat in i verkliga miljöer.

Belysning uppskattning

 

För att uppnå övertygande nivåer av realism med Augmented Reality erfarenheter, är det viktigt att efterlikna ljusförhållandena miljön där innehållet finns. Som mänskliga varelser, vi är mycket medveten om objekt som inte beter sig korrekt när det gäller belysning och dessa objekt uppfattas omedelbart som onaturliga. Skuggorna av virtuella objekt bör projekt i samma riktning som skuggor av verkliga föremål i deras närhet, och på samma sätt så för reflekterat ljus.

IT forskningar sammanhängande ljusteknik kan uppskatta ljusförhållandena i en scen i realtid och i sin tur översätta dessa villkor på virtuella objekt inom scenen. Resultatet är en Augmented Reality upplevelse där det virtuella innehållet visas naturliga, med ljusförhållanden konsistent med omgivningen. IT forskningar dynamisk belysning teknik fungerar i realtid att återspegla ändrade ljusförhållanden en verkliga miljö.

SLAM

 

Ett viktigt krav i datorseende ansökan innebär att kunna observera och förstå okända miljöer. Detta blir särskilt viktigt när man vill öka information inom en miljö som är helt ny. Samtidig lokalisering och kartläggning (SLAM) är en teknik som tillåter en enhet att lokalisera sig i en okänd miljö, medan på samma gång skapa en referens karta över dessa omgivningar.

På IT forskningar har vi utvecklat våra egna versioner av SLAM som är

noggrannhet – även med standard mobila enheter. IT forskningar SLAM kan utökande innehåll i okända miljöer, eller vad som kallas "3D markerless tracking". Med SLAM kan miljöer eller föremål rekonstrueras en gång, sedan sparas för att användas senare i så många program som önskas. Detta har unika fördelar när utmanas att skapa förstärkt verklighet upplevelser för inomhusmiljöer, när andra tracking-konfigurationer inte är tillräcklig för funktionen extraktion.

Visuell sökning

 

IT forskningar kontinuerlig visuell sökning teknik skalar massivt bild erkännande processer använder det Forskningars kraftfulla cloud servrar, möjliggör stor skala Augmented Reality program.

Databaser för miljontals bilder kan kontrolleras snabbt för en match med en bild som skickas från klienten. Resultatet är en visuell sökning lösning som gör att utöka artiklar i vår omgivning i stor skala: från produktens förpackning, till tekniska manualer, till konstverk. Denna teknik fungerar också som en data management lösning, lossning bild matchande data och innehåll från enheten och i molnet. Detta bidrar till bättre batteritid och en lättare arbetsbörda för Processorn.

3D-objekt spårning

 

IT undersökningar leder industrin i 3D-objektet spårningsteknik. Vår teknik är genom en kombination av funktionen spårning, visuell odometry och edge-baserad spårning, spåra och öka verkliga objekt, i stället för enkla 2D markör konfigurationer.

3D-objekt spåra öppnar nya möjligheter i Augmented Reality: delar kan förses med digital information, konsumtionsvaror kan kompletteras med ytterligare produktinformation eller kampanjer och digital underhållning kan blandas naturligtvis i den verkliga världen.

IT forskningar har nyligen integrerat både funktionen-baserad spårning och edge-baserad spårning i en mycket robust system som kallas hybrid spårning. Denna konfiguration levererar ännu högre noggrannhet och stabilitet genom att kombinera styrkan hos båda metoderna.

Multimedia samhällsanalys


Multimedia innehåll är att produceras och som delas via Internet i en aldrig tidigare skådad takt. Till exempel, mer än en miljon bilder delas varje dag och 100 miljoner timmar video delas varje år. Med denna anstormningen av data är förmågan att automatiskt förstår innehållet i bilder och videor kritisk för att aktivera program som content-baserade hämtning, liknande objekt sökning, personligt innehåll sök, skydd av privatlivet, och modellering flödet av multimediainnehåll på sociala nätverk. Sådan kapacitet kan erbjuda kostnadseffektiva lösningar för insamling av information om viral innehåll (t.ex. memer), feedback från kunder om nya produkter och geo-politiska eller militära händelser runt om i världen, vilket tidigare inte varit möjligt utan dedikerade forskning och intelligens grupper.

IT undersökningar utvecklar en svit av storskaliga multimedia analysverktyg som fokus på visuella innehåll förståelse, innehåll-baserad sökning, online privat säkringen, och nätverk modellering. Dessa programverktyg integrera den senaste state-of-the-art-tekniken i multimedia analys att upptäcka objekt, scener, aktiviteter, i-scen text och ljudsignaler inbäddad i obegränsad bilder och videor. Dessa tekniker används gemensamt för att analysera och upptäcka mönster av intresse i data. Utvecklingen av en privacy advisor, som varnar användare när bilder med potentiellt känslig material är om delas oavsiktligt på webben är ett exempel på en av det Forskningars pågående projekt. Våra verktyg har visat hög noggrannhet på storskaliga, verkliga data och kan anpassas till olika programdomäner. I tillägg, IT forskningar verktyg har integrerat avancerad visualisering och interaktion som ger en sömlös sökupplevelse på webbläsare och förbättra Sök noggrannheten genom att införliva användarnas betydelse för feedback.



Systemarkitektur för sökning av stora multimedia Arkiv genom utvinning av visuella och audio funktioner. Sökresultaten är raffinerade
genom iterativ användarfeedback.
 

Raffinerad sökresultat för "flash mob."
 

Söka resultaten baserat på visuellt liknande stilar.

Aktivitet erkännande och beteendeanalys


IT forskningar har expertis inom utveckling av lösningar för att identifiera aktiviteter och förstå beteenden baserat på samspelet mellan människor och fordon med miljön. Underliggande konceptet är att känna igen beteendemönster bygger på statiska och dynamiska bevissyfte deskriptorer som finns i video läge, objekt och aktiviteter som utförs. Våra lösningar är baserade på kraftfull, matematiska representationer och demonstrerade i varierande och utmanande verkliga scenarion som gatan övervakning och fotboll video.

Dessa funktioner, förutom förskott till den nuvarande state-of-the-art video erkännande, är nödvändiga för att övervinna en viktig utmaning i video förståelse: erkännande av någon händelse och objekt i ett oändligt antal stilar, kvaliteter och scener.

 


3D rekonstruktion från Video


WAN video sensorer kan generera flera gigabyte raw video data en sekund och hundratals terabyte över en mission, att skapa ett behov av effektiva metoder för att komprimera data för nedlänk och arkiv. Det finns standard kompressionstekniker, men ingen som utnyttjar det faktum att världen är statiska i 3D. Med detta begrepp, IT undersökningar utvecklar tekniker för att avsevärt öka kompression av WAN-video med hjälp av 3D-modeller.

För att komprimera video på ett sådant sätt, är det första steget att separera förgrunds- och bakgrundsfärger och skilja dynamisk scen element. För att avgöra vilka dynamiska element måste vara representerade, är det avgörande för att överväga kort-, lång- och mycket långsiktiga förändringar som kommer att påverka scenen. Genom att bestämma vilka element måste vara representerade, kan fokus ligga på att ersätta bakgrunden med en 3D-modell till aktivera komprimering. Denna 3D modell innehåller synvinkel och tidsberoende utseende uppgifter, som behövs för att fullt förstå scenen. Genom denna form av komprimering finns det en betydande lagring och effektivitet vinst, nödvändiga för de allt större datamängder att förtäras.

 

Content-baserade Video och bild hämtning


IT forskningar har utvecklat en betydande kapacitet i content-baserade bild hämtning från flera DARPA och AFRL program. Vi äter, förbehandla, och stabilisera en inkommande video foder och sedan identifiera och karakterisera rörliga objekt, både demonteringar och fordon. Mer komplexa video deskriptorer, som motion deskriptorer (inklusive kinematisk deformerbar och ledad rörelse), utseende deskriptorer (inklusive färg och form) och beteende deskriptorer (som löpning, transporterar, fordonet u-sväng, och många andra) kännetecknar djupare semantiskt innehåll.

Denna semantiska analysen möjliggör levande larma till särskilda ops personal och kan cue oväntade eller misstänkt aktivitet i en videoström, som kan vara avgörande för uppdrag framgång. Ytterligare, avancerade kriminaltekniska funktioner att retroaktiv hämtning av verksamhet av intresse från stora datamängder.

IT forskningar har börjat sätta sina bild- och analysmöjligheter på Forge.mil som en del av IT forskningar bild och Video exploatering och hämtning Toolkit (KWIVER), med obegränsade rättigheter till regeringen. Funktionerna på smedjan. mil inkluderar för närvarande full källkod för det Forskningars realtid WAMI spårningssystem. Vi planerar att lägga till funktionerna i KWIVER och hoppas att bygga en varaktig utvecklingsgemenskap från regeringen och kommersiella medarbetare.


Provet sökresultat för fråga "Visa alla personer som bär".

WAN-Video analys


IT undersökningar utvecklar ett program som kan interaktivt och automatiskt att upptäcka värdefulla underrättelser från WAN motion bildspråk (WAMI) av komplexa stads-, förorts- och lantliga miljöer. Inom WAMI går primär informationselement enheter i samband med vägar, byggnader och andra scen funktioner. Dessa enheter, ge medan exploaterbart, ofta fragmenterade spår i komplexa urbana miljöer på grund av ocklusioner, hållplatser och andra faktorer. IT forskningar används programvara algoritmiska lösningar att associera spår och sedan identifiera och integrera lokala evenemang för att upptäcka potentiella hot och utföra kriminaltekniska analyser.

Denna programvarusystem avsevärt förstärker en slutanvändares förmåga att upptäcka nya intelligens modeller av aktiviteter, normalitet och sammanhang. Eftersom den stora majoriteten av händelser är normala och utgör inget hot, måste modeller cross-integrera ovanliga händelser för att upptäcka relationer och avvikelser som är vägledande för misstänkt beteende eller matcha tidigare lärt sig - eller definierade - hot verksamhet.

Den avancerade systemet förbättrar en analytiker förmåga att hantera spirande WAMI data och minskar den tid som krävs för att utföra många nuvarande exploatering, kraftigt förbättra förmågan att analysera och använda data för kriminalteknisk analys.

 


 

Scen förståelse


Scen förståelse i videon är ett växande problem för visuell övervakning och den video förståelse. IT forskningar arbetar för att skapa lösningar på detta område, inklusive funktionella objekt erkännande. Funktionella föremål erkännande är förmågan att definiera objekt med särskilda ändamål såsom en brevbärare och leverans lastbil som definieras mer av sina handlingar och beteenden än utseende. Vi utvecklar en strategi för content-baserade lärande och erkännande av rörliga föremål ges video-derived spår. I synnerhet har vi fastställt att semantiska beteenden av movers kan fångas på ett sätt som platsoberoende av tillskriva dem med funktioner som kodar sina förbindelser och åtgärder med avseende på scen sammanhang, som är lokala scenen regioner med olika funktioner som dörröppningar och parkeringsplatser som rörliga objekt ofta interagerar med. Baserat på dessa representationer, funktionella modeller är inlärda från exempel och nya instanser identifieras från osynliga data efteråt.

 

Rörelsedetektor och spårning


IT undersökningar utvecklar verktyg som fokuserar på upptäcka föremål i rörelse och spåra dem i arkiverade och strömmande video. Primär informationselement i sådan video data flyttar enheter i samband med vägar, byggnader och andra scen funktioner. Dessa enheter ger ofta splittrade spår i komplexa urbana miljöer på grund av ocklusioner, hållplatser och andra faktorer. IT undersökningar utvecklar algoritmisk lösningar att associera spår och sedan identifiera och integrera lokala evenemang för att upptäcka potentiella hot och utföra kriminaltekniska analyser.

De utvecklade algoritmerna bidra till en programvarusystem som drastiskt förstärker en slutanvändares förmåga att upptäcka nya intelligens modeller av aktiviteter, normalitet och sammanhang. Som den stora majoriteten av händelser är normala och utgör inget hot, modellerna cross-integrera ovanliga händelser för att upptäcka relationer och avvikelser som är vägledande för misstänkt beteende eller match tidigare lärt eller definieras hot verksamhet.

 

 

Våra partners

itresearches Discover our Technology Demonstrations : http://t.co/Bm1s6kIFub http://t.co/9JcATBDbUc

Kontakta oss!

Nyhetsbrev

Address

Address:
34 New House, 67-68 Hatton Garden, London, England, EC1N 8JY, City of London
Toll(UK):
+448000786364
Fax(UK) :
+448458520997

About Us

IT Researches ltd is an information technology company & International computer research centre offering a wide variety of 'AI Powered™' IT services for companies and researchers worldwide .

Connet With Us