Warum sehen Smart-Video-Türklingeln nach der Objektivkorrektur anders aus?

Gesichter an intelligenten Türklingeln können nach der Korrektur anders aussehen, weil die Entzerrung Weitwinkelpixel auf eine neue Geometrie und ein neues Abtastgitter abbildet.

Ein Besucher nahe dem Rand des Türklingelbildes kann vor der Korrektur breiter und danach schmaler erscheinen, obwohl kein Gesichtsfilter angewendet wurde. Die Software versucht, die Objektivprojektion umzukehren, und tastet das Ergebnis anschließend in ein Rechteck um. Position, Kalibrierung und Zuschneideverfahren bestimmen, wie natürlich das remappte Gesicht erscheint.

Die Entzerrung verändert Koordinaten, nicht nur gerade Linien

Tonnenförmige Verzeichnung drückt die Szenengeometrie auf nichtlineare Weise nach außen. Bei der Korrektur wird berechnet, aus welchem Bereich des Originalbildes jedes Ausgabepixel abgetastet werden soll. Dadurch werden Wände und Türrahmen begradigt, während gleichzeitig Gesichtsmerkmale verschoben werden. Ein Gesicht nahe der optischen Mitte verändert sich nur wenig; eines nahe der Ecke kann sich deutlich verändern.

Eine technische Übersicht über Objektivverzeichnung erklärt, dass kurze Brennweiten Linien häufig nach außen biegen. Da ein Gesicht in dieselbe Projektion eingebettet ist, verändert die Korrektur des Bildes zwangsläufig auch seine scheinbare Breite und den Abstand zwischen seinen Merkmalen.

Das korrigierte Gesicht ist nicht automatisch weniger wirklichkeitsgetreu. In vielen Fällen entspricht es geometrisch eher einer Lochkameraansicht, doch Betrachter können an das unbearbeitete Bild der Türklingel gewöhnt sein. Die Vertrautheit mit der verzerrten Darstellung kann dazu führen, dass eine korrekte Korrektur wie eine Veränderung wirkt.

Die Neuberechnung verteilt Gesichtsdetails neu

Bei der Korrektur werden einige Bereiche gestreckt und andere komprimiert, sodass Ausgabepixel aus benachbarten Sensorsamples interpoliert werden. Am Rand kann die Software Zwischenwerte über wenige Quellpixel hinweg erzeugen, wodurch Augen oder Hautstruktur weicher erscheinen. Beim Zuschneiden werden anschließend leere Ränder entfernt, und das Gesicht kann verschoben oder vergrößert werden.

Untersuchungen zur Robustheit gegenüber der Kameraentfernung zeigen, dass Kameraabstand und Vergrößerungsverzerrungen die Eignung eines Gesichtsbildes als Referenz beeinflussen. Korrektur und Zuschneiden können daher die für den Abgleich verfügbaren Merkmale verändern, selbst wenn sich der Besucher nicht bewegt hat.

Eine Türklingel kann die Gesichtserkennung vor der Korrektur ausführen, das Video aber erst danach anzeigen – oder umgekehrt. Wenn Rahmen und Ausschnitte aus unterschiedlichen Koordinatensystemen stammen, kann sich das in einer Benachrichtigung angezeigte Gesicht von den für die Erkennung verwendeten Pixeln unterscheiden. Diese Pipeline-Unterscheidung ist wichtiger als die visuelle Präferenz.

Wann die Objektivkorrektur nicht die Erklärung ist

Die Korrektur kann nicht erklären, warum sich ein Gesicht zwischen benachbarten Einzelbildern verändert, wenn der Besucher an derselben Position bleibt und die Abbildung unverändert ist. Automatische Belichtung, HDR-Zusammenführung, Rolling Shutter, Änderungen der Bitrate oder ein Wechsel zwischen Haupt- und Nebenstream können das Erscheinungsbild unabhängig davon verändern. Manche Apps verbessern Alarm-Schnappschüsse außerdem separat vom Livevideo.

Eine systematische Studie zur Auflösung von Gesichtsbildern stellte fest, dass die Erkennungsleistung unter bestimmten Auflösungsschwellen abnehmen kann. Ein Korrekturprofil kann keine Gesichtsdetails wiederherstellen, die der Sensor nie aufgelöst hat, und das Vergrößern des korrigierten Ausschnitts vergrößert möglicherweise nur die Interpolation.

Der Objektivmechanismus ist ebenfalls nicht die Ursache, wenn sich Gesichter in der Bildmitte genauso stark verändern wie Gesichter am Rand. Das deutet eher auf eine globale Größenänderung oder einen Unterschied in der Bildverarbeitung hin. Ein Vergleich ist ungültig, wenn unbearbeitete und korrigierte Bilder von unterschiedlichen Zeitpunkten stammen. Vergleiche synchronisierte Einzelbilder, bevor du Identitätsveränderungen der Geometrie zuschreibst.

Featured

ZimaCube 2 Persönliche Cloud Home NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

Unbearbeitete und korrigierte Gesichter an festen Positionen vergleichen

Nimm einen Besucher auf, der sich durch die mittlere Position, eine Position zwischen Mitte und Rand sowie die Randbereiche bewegt, und bewahre synchronisierte unbearbeitete und korrigierte Einzelbilder auf. Lege Kalibrierungspunkte übereinander und vergleiche den Augenabstand, die Abmessungen des Gesichtsrahmens, die Schärfe und die Grenzen des Ausschnitts. Halte HDR, Belichtung, Stream und Anwendungsversion während der Aufzeichnung unverändert.

Ein Local-First-Verarbeitungspfad kann Korrektur und Erkennung nahe am gespeicherten Videomaterial halten und so die Unklarheit darüber verringern, welcher externe Dienst den Benachrichtigungsausschnitt erzeugt hat. Bewahre beide Koordinatenabbildungen zusammen mit dem Ereignisdatensatz auf.

Betrachte die Objektivkorrektur als Ursache, wenn die geometrischen Veränderungen zum Rand hin zunehmen und sich an denselben Positionen wiederholen. Vermute eine fehlerhafte Kalibrierung, wenn gerade Linien weiterhin gekrümmt bleiben oder Gesichter asymmetrisch werden. Vermute einen anderen Verarbeitungspfad, wenn die Veränderungen gleichmäßig, zeitabhängig oder nur in von der App erzeugten Schnappschüssen auftreten.