Varför ser smarta dörrklockors ansikten annorlunda ut efter linskorrigering?
Ansikten på smarta dörrklockor kan se annorlunda ut efter korrigering eftersom förvrängningskorrigering omvandlar vidvinkelpixlar till en ny geometri och ett nytt samplingsgitter.
En besökare nära kanten av en dörrklocksram kan se bredare ut före korrigering och smalare efteråt, även om inget ansiktsfilter har använts. Programvaran försöker återställa objektivets projektion och samplar sedan om resultatet till en rektangel. Position, kalibrering och beskärningspolicy avgör hur naturligt det ommappade ansiktet ser ut.
Förvrängningskorrigering ändrar koordinater, inte bara raka linjer
Tunnformig förvrängning skjuter ut scenens geometri på ett icke-linjärt sätt. Korrigeringen beräknar var varje utdatapixel ska hämta sitt värde från i originalbilden och rätar ut väggar och dörrkarmar samtidigt som ansiktsdetaljer flyttas. Ett ansikte nära den optiska mitten förändras lite, medan ett nära hörnet kan förändras betydligt.
En teknisk översikt över objektivförvrängning förklarar att korta brännvidder ofta böjer linjer utåt. Eftersom ett ansikte ingår i samma projektion förändrar korrigeringen av bilden oundvikligen även ansiktets upplevda bredd och avståndet mellan ansiktsdetaljerna.
Det korrigerade ansiktet är inte automatiskt mindre verklighetstroget. I många fall ligger det geometriskt närmare en hålkamerabild, men betraktare kan vara vana vid den råa bilden från dörrklockan. Vana vid den förvrängda versionen kan få en korrekt korrigering att se ut som en förändring.
Omsampling fördelar om ansiktsdetaljer
Korrigeringen sträcker ut vissa områden och komprimerar andra, så utdatapixlar interpoleras från närliggande sensorsamplingar. Nära kanten kan programvaran behöva skapa mellanvärden över glest placerade källpixlar, vilket gör ögon eller hudstruktur mjukare. Beskärning tar sedan bort tomma kanter och kan flytta eller förstora ansiktet.
Forskning om robusthet vid olika kameraavstånd visar att kameraavstånd och förstoringsförvrängningar påverkar hur användbar en ansiktsbild är som referens. Korrigering och beskärning kan därför förändra underlaget för matchning även när besökaren inte har rört sig.
En dörrklocka kan köra ansiktsdetektering före korrigering men visa video efter korrigering, eller tvärtom. Om rutor och beskärningar hämtas från olika koordinatsystem kan ansiktet som visas i en avisering skilja sig från de pixlar som användes för igenkänning. Den skillnaden i bearbetningskedjan är viktigare än visuella preferenser.
När objektivkorrigering inte är förklaringen
Korrigering kan inte förklara ett ansikte som förändras mellan intilliggande bildrutor när besökaren står kvar på samma plats och mappningen är fast. Automatisk exponering, HDR-sammanslagning, rullande slutare, förändringar i bithastighet eller växling mellan huvudström och underström kan ändra utseendet oberoende av detta. Vissa appar förbättrar också aviseringarnas ögonblicksbilder separat från livevideon.
En systematisk studie av ansiktsbilders upplösning visade att igenkänningsprestandan kan försämras under vissa upplösningströsklar. En korrigeringsprofil kan inte återskapa ansiktsdetaljer som sensorn aldrig upplöste, och en förstoring av den korrigerade beskärningen kanske bara förstorar interpolation.
Objektivmekanismen är inte heller förklaringen om ansikten i mitten förändras lika mycket som ansikten vid kanten, vilket tyder på en global storleksändring eller en skillnad i bildbehandlingen. Slutsatsen är ogiltig när råa och korrigerade bilder kommer från olika tidpunkter. Jämför synkroniserade bildrutor innan identitetsförändringar tillskrivs geometrin.
Jämför råa och korrigerade ansikten på fasta positioner
Spela in en besökare som rör sig genom positioner i mitten, mitt i bilden och vid kanten, och bevara synkroniserade råa och korrigerade bildrutor. Lägg kalibreringspunkter ovanpå bilderna och jämför avståndet mellan ögonen, ansiktsrutans mått, skärpa och beskärningsgränser. Håll HDR, exponering, ström och programversion konstanta under provet.
En lokalt först-baserad bearbetning kan hålla korrigering och igenkänning nära det lagrade videomaterialet, vilket minskar oklarheten kring vilken fjärrtjänst som skapade en beskuren avisering. Spara båda koordinatmappningarna tillsammans med händelseposten.
Acceptera objektivkorrigering som orsak när geometriska förändringar ökar mot kanten och upprepas konsekvent på samma positioner. Misstänk kalibrering när raka linjer fortfarande är böjda eller ansikten blir asymmetriska. Misstänk en annan bearbetningskedja när förändringarna är enhetliga, varierar över tid eller bara visas i appgenererade ögonblicksbilder.
Rekommenderade produkter
Teknik- och AI-hubb
Mer att läsa
Hur ger en hemlig förmedlare en AI-agent autentiseringsuppgifter utan att exponera dem i instruktionerna?
Följ arbetsbelastningsidentitet, policy, tokenutfärdande, injicering av begäranden, maskering, förfall och återkallande genom en hembaserad AI-agentarkitektur utan hemligheter.
Hur begränsar en verktygssandlåda sidoeffekterna från AI-agenter?
Se hur isolering, behörighetsgrindar, flyktigt tillstånd, utgångskontroll, kvoter och granskningsloggar begränsar AI-agenters sidoeffekter utan att bevisa att åtgärderna är säkra.
Hur producerar begränsad avkodning schemavalid JSON?
Förstå schemakompilering, tokenmaskning, parserstatus, stödda delmängder, latens, trunkering och varför strukturell giltighet inte garanterar korrekta värden.
