Perché i volti ripresi dai campanelli smart hanno un aspetto diverso dopo la correzione dell’obiettivo?
I volti ripresi dai videocitofoni intelligenti possono apparire diversi dopo la correzione, perché la rimozione della distorsione rimappa i pixel grandangolari in una nuova geometria e griglia di campionamento.
Un visitatore vicino al lato dell’inquadratura del videocitofono può apparire più largo prima della correzione e più stretto dopo, anche se non è stato applicato alcun filtro al volto. Il software cerca di invertire la proiezione dell’obiettivo, quindi ricampiona il risultato in un rettangolo. La posizione, la calibrazione e la politica di ritaglio determinano quanto naturale appaia il volto rimappato.
La rimozione della distorsione modifica le coordinate, non solo le linee rette
La distorsione a barilotto spinge la geometria della scena verso l’esterno in modo non lineare. La correzione calcola da quale punto dell’immagine originale debba essere campionato ogni pixel dell’output, raddrizzando pareti e telai delle porte e spostando al contempo i tratti del volto. Un volto vicino al centro ottico cambia poco; uno vicino all’angolo può cambiare notevolmente.
Una panoramica tecnica della distorsione dell’obiettivo spiega che le lunghezze focali ridotte tendono comunemente a incurvare le linee verso l’esterno. Poiché un volto è inserito nella stessa proiezione, la correzione dell’inquadratura ne modifica necessariamente anche la larghezza apparente e la distanza tra i tratti.
Il volto corretto non è automaticamente meno fedele. In molti casi è geometricamente più vicino a una vista a foro stenopeico, ma gli osservatori possono essere abituati all’immagine non corretta del videocitofono. La familiarità con la versione distorta può far sembrare una correzione accurata un’alterazione.
Il ricampionamento ridistribuisce i dettagli del volto
La correzione allunga alcune aree e ne comprime altre, quindi i pixel dell’output vengono interpolati a partire dai campioni adiacenti del sensore. Vicino ai bordi, il software può inventare valori intermedi tra pixel sorgente radi, rendendo meno nitidi gli occhi o la texture della pelle. Il ritaglio rimuove poi i bordi vuoti e può spostare o ingrandire il volto.
La ricerca sulla robustezza rispetto alla distanza dalla fotocamera mostra che la distanza dalla fotocamera e le distorsioni di ingrandimento influiscono sull’utilità di un’immagine del volto come riferimento. Correzione e ritaglio possono quindi modificare gli elementi utili al confronto anche quando il visitatore non si è mosso.
Un videocitofono può eseguire il rilevamento del volto prima della correzione, ma mostrare il video dopo la correzione, oppure fare il contrario. Se riquadri e ritagli provengono da spazi di coordinate diversi, il volto mostrato in un avviso può differire dai pixel utilizzati per il riconoscimento. Questa distinzione nella pipeline è più importante delle preferenze visive.
Quando la correzione dell’obiettivo non è la spiegazione
La correzione non può spiegare un volto che cambia tra fotogrammi consecutivi quando il visitatore resta nella stessa posizione e la mappatura è fissa. Esposizione automatica, fusione HDR, rolling shutter, variazioni del bitrate o il passaggio tra flussi principale e secondario possono alterare l’aspetto indipendentemente. Alcune app migliorano inoltre separatamente le istantanee degli avvisi rispetto al video dal vivo.
Uno studio sistematico sulla risoluzione delle immagini del volto ha rilevato che le prestazioni del riconoscimento possono peggiorare al di sotto di determinate soglie di risoluzione. Un profilo di correzione non può ricreare dettagli del volto che il sensore non ha mai risolto, e ingrandire il ritaglio corretto può solo ingrandire l’interpolazione.
Anche il meccanismo dell’obiettivo non è la causa se i volti centrali cambiano tanto quanto quelli ai bordi, il che suggerisce un ridimensionamento globale o una differenza nell’elaborazione dell’immagine. La spiegazione non è valida quando le immagini non corrette e corrette provengono da istanti diversi. Confronta fotogrammi sincronizzati prima di attribuire i cambiamenti dell’identità alla geometria.
Confronta i volti non corretti e corretti in posizioni fisse
Registra un visitatore mentre si sposta tra la posizione centrale, quella intermedia e quella laterale dell’inquadratura, quindi conserva fotogrammi sincronizzati non corretti e corretti. Sovrapponi i punti di calibrazione e confronta la distanza tra gli occhi, le dimensioni del riquadro del volto, la nitidezza e i limiti del ritaglio. Durante la registrazione, mantieni invariati HDR, esposizione, flusso e versione dell’applicazione.
Un percorso di elaborazione locale fin dall’origine può mantenere la correzione e il riconoscimento vicini alle riprese memorizzate, riducendo l’incertezza su quale servizio remoto abbia prodotto il ritaglio dell’avviso. Conserva entrambe le mappature delle coordinate insieme alla registrazione dell’evento.
Considera la correzione dell’obiettivo una causa quando i cambiamenti geometrici aumentano verso i bordi e si ripetono in modo coerente nelle stesse posizioni. Sospetta una calibrazione errata quando le linee rette restano curve o i volti diventano asimmetrici. Sospetta un altro percorso di elaborazione quando i cambiamenti sono uniformi, variano nel tempo o compaiono solo nelle istantanee generate dall’app.
Prodotti consigliati
Hub Tecnologico e AI
Altro da leggere
In che modo un broker segreto fornisce le credenziali a un agente IA senza esporle nei prompt?
Segui l'identità del carico di lavoro, le policy, l'emissione dei token, l'iniezione delle richieste, la redazione, la scadenza e la revoca attraverso un'architettura secretless...
In che modo un sandbox degli strumenti contiene gli effetti collaterali degli agenti IA?
Scopri come l'isolamento, i gate delle capacità, lo stato usa e getta, il controllo dell'egress, le quote e i log di audit limitano gli...
In che modo la decodifica vincolata produce JSON valido secondo lo schema?
Comprendi la compilazione dello schema, il mascheramento dei token, lo stato del parser, i sottoinsiemi supportati, la latenza, il troncamento e perché la validità...
