第25個冬天

  (幾何) 相機標定(校正)/( Geometric ) Camera calibration 是用來求初將三維世界投影成二維影像所需要的各種參數，這些參數也就是攝影機參數。 也可理解為從世界座標系換到二維影像座標系的過程，也就是求出最終投影矩陣的過程，用於估計成像過程的數學參數。 摘自 Medium-Camera Calibration 相機校正 齊次座標系統( homogeneous coordinate system )的表示方式 於影像處裡、電腦圖學中，幾何轉換根據是否可線性轉換的特性 細分以下這兩大類 線性轉換(旋轉、縮放):可以用 矩陣乘法 來表示 非線性轉換(位移、透視投影):無法用 矩陣乘法 表示 這樣會造成程式撰寫設計上，會有兩種表達方式，不利於後續技術發展。後來才衍生出齊次座標系統的表示方式，能夠統一將線性、非線性轉換統一都用線性轉換的矩陣乘法來表示。 三維齊次座標(Cartesian homogeneous coordinate) 摘自 20140609_虛擬實境_part2 我們常見的以下這三個坐標系 世界座標系統(World Coordinate System,WCS)，又可稱作真實座標系統，也就是於真實環境中選擇一個參考座標系統來描述物體跟相機的位置。 相機座標系統(Camera Coordinate System,CCS):是以相機的光心為座標原點，Z軸與光軸重合，與成像平面垂直。x軸與y軸分別與影像座標軸系的x軸、y軸平行的坐標系。 影像座標系統:單位為像素，是建構在影像中的平面直角坐標系。用於表示各像素在成像平面上的位置，原點位於影像左上角。 都是採用右手座標系統(Right-handed Coordinate System)，把大拇指做為正 x 軸、食指為正 y 軸而中指為正 z 軸(朝自己)表示。如下方圖的右上區塊 https://til.jakelazaroff.com/math/convert-between-3d-coordinate-systems/ https://medium.com/@maximilianhuang/2018-02-08-acc64d5d5982 投影轉換 摘自 20140609_虛擬實境_part2 不管是位置轉換或座標轉換都是描述世界座標轉到相機座標的關係。 而相機座標轉換到影像座標系...

頭部姿態的三個自由度 A survey of head pose estimation methods 在2020年一篇IEEE論文是有關於「頭部姿態估計方法綜述」的回顧中，可得知頭部姿態通常以三個自由度來表示。分別是俯仰角(pitch)、偏航角(yaw)與翻滾角(roll)，頭部姿態也蘊藏豐富的資訊，比方點頭可能代表答應、理解等，搖頭則表示否定。 延伸應用時常用於視線估計、臉部表情分析，於駕駛監控系統中也十分重要，能去評估駕駛精神狀況。也有應用是分析學生上課專心程度。 傳統頭部姿態估測方法可先偵測人臉特徵點，再藉由頭部模型建立二維影像特徵點與三維模型點之間的對應關係，以估測三維頭部姿態。  一些先備知識可以再去這篇溫故 特徵式對齊 feature-based alignment (特徵式對齊)是估計兩組或多組已匹配的 2D 或 3D points之間運動關係的問題。 在feature-based alignment中，有一種相當常見的特定情況，就是根據一組 2D 點的投影位置，估計物體的 3D 姿態。關於姿態估計問題也被稱為是所謂的外部參數校正。與其相對的是相機內部的參數校正，比方焦距參數。 從三個對應點中恢復姿態，需要的信息是最少的，稱為「透視三點問題」(perspective-3-point-problem, P3P)。當擴展到更多點的問題，合起來稱為「PnP」。 直接線性變換 (direct linear transform, DLT) 頭部姿態估測疲勞駕駛應用2022年的一篇學術研究 在2022年一篇IEEE論文是來自中國學者發表有關於「駕駛疲勞監測中無須感知的眼睛睜閉閾值校準」，他們此篇論文研究，主要用到了Mediapipe先捕捉到臉部特徵點並採用6個關鍵部位特徵點建立頭部座標系，分別如下6個2D影像座標 nose tip(鼻尖) chin(下巴) left corner of eye(左眼角) right corner of eye(右眼角) left corner of mouth(左嘴角) right corner of mouth(右嘴角) 後續藉由PnP算法結合C3D(3D 卷積網路) ，在 YawDD 資料集上的疲勞偵測準確率高達 98%。 Ref: 完整分析 2D Projective Transformation（一） https...