viagra super force

+7(495) 123-XXXX  г. Москва

Выпуски журналов

  • Серия
  • Серия
  • Серия
  • Серия
  • Журнал
  • Журнал
  • Журнал
  • Журнал

С.Г. Небаба,  (Аспирант, Национальный исследовательский Томский политехнический университет)

Серия «Естественные и Технические науки» # МАРТ-АПРЕЛЬ  2017

Распознавание личности
В работе предложена технология предварительной обработки кадров видеопотока с изображениями лиц на основе ряда известных алгоритмов компьютерного зрения, модифицированных для максимальной автоматизации и быстродействия. Приведено сравнение результатов распознавания, проверяющих эффективность отдельных компонентов и технологии в целом. Продемонстрировано положительное влияние предложенной технологии на точность идентификации личности человека по изображению его лица на сильно зашумленных данных.

Ключевые слова: Распознавание личности, 3D модель лица, деформируемая модель лица, трекинг, нормирование освещения, биометрический вектор.

 

Введение

Задача распознавания личности по изображению лица является одной из первых практических задач, появившихся в процессе создания информационно-поисковых систем [1,2]. В последнее время в различных сферах деятельности возрастает потребность быстрой и правильной некооперативной идентификации личности человека в видеопотоке с плохим качеством съемки в режиме реального времени.

Существующие быстрые 2D алгоритмы достигают хорошей точности только при соблюдении жестких требований по ракурсу изображений лица и условиям съемки, либо требуют вычислительных ресурсов, недоступных при обработке видеопотока в режиме реального времени [3].

В общем случае задача идентификации личности в видеопотоке может быть разделена на несколько этапов:

1. Поиск (детектирование) области лица на изображении;
2. Слежение за положением лица на последовательности кадров (трекинг);
3. Обработка изображения лица с целью компенсации условий съемки;
4. Сравнение изображения лица с эталонами, хранящимися в базе.

Число ошибок идентификации личности у всех современных систем имеет явную зависимость от качества изображений лиц, помех на изображении, ракурса съемки и условий освещения.

Проблема предварительной обработки изображений чаще всего рассматривается как набор частных задач по компенсации этих условий съемки, хотя каждый из алгоритмов обработки имеет сложное и нелинейное влияние на ключевые характеристики алгоритмов распознавания: вероятность ложного опознания (FAR) и вероятность пропуска цели (FRR) [4].

Для решения этих проблем создано множество алгоритмов, к примеру,  использующих 3D модели лиц [5] и относящихся к методам визуального моделирования [6]. Они предоставляют широкие возможности по варьированию ракурса и освещения 3D моделей каждого лица, но их применение является ресурсоемкой и нетривиальной задачей, а автоматизация такого подхода затруднительна.

Неизбежный поиск баланса между точностью распознавания и скоростью работы существующих алгоритмов делает целесообразным разработку технологии, объединяющей все этапы обработки изображений лиц в единый комплекс взаимозависимых алгоритмов, позволяющий гибко регулировать их свойства и сохранять приемлемую точность распознавания в режиме реального времени.

Технология подготовки изображений

Технологию предварительной обработки можно представить в виде комплексного алгоритма для задач обработки видеопотока, в том числе и в режиме реального времени, который должен учитывать все критерии оценки и обладать достаточным быстродействием.

Ранее были рассмотрены отдельные компоненты такой системы и предложены авторские алгоритмы по компенсации ракурса (модификация алгоритма деформируемых моделей лиц, DFM [7]) и освещения (комбинация фильтров DoG и Log-Gabor [8]).

Эти и другие алгоритмы могут быть представлены в виде единой технологии обработки и анализа изображений, упрощая процесс распознавания лиц в видеопотоке и позволяя проводить гибкую настройку системы распознавания под требуемые параметры окружения и аппаратные средства.

Технология описывается следующей последовательностью действий (рис. 1):

1. Формирование индивидуальных 3D моделей лиц по одной фотографии (модифицированный алгоритм DFM);
2. Формирование базы лиц с различными ракурсами с помощью полученной в п. 1 3D модели (авторский алгоритм);
3. Поиск (детектирование) лиц на изображении (алгоритм Виолы-Джонса);
4. Слежение за обнаруженными лицами в последовательности кадров (трекинг);
5. Оценка контрастности и резкости изображений, отбрасывание зашумленных неинформативных кадров;
6. Компенсация недостатков освещения сцены (алгоритмы DoG или Log-Gabor);
7. Построение и сравнение биометрических векторов изображений лиц (алгоритм kNN, сверточные нейронные сети).

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. A. J. Goldstein, L. D. Harmon, and A. B. Lesk, “Identification of Human Faces”, Proc. IEEE, May 1971, Vol. 59, No. 5, 748-760.
2. M. A. Turk and A. P. Pentland, "Face Recognition Using Eigenfaces", Proc. IEEE, 1991, 586-591.
3. Bui T.T.T., Phan N.H., Spitsyn V.G., Bolotova Y.A., Savitsky Y.V. Development of algorithms for face and character recognition based on wavelet transforms, PCA and neural networks // Proceedings of IEEE International Siberian Conference on Control and Communications (SIBCON’2015). 2015. pp. 1-6.
4. Кухарев Г.А., Каменская Е.И., Матвеев Ю.Н., Щеголева Н.Л. Методы обработки и распознавания изображений лиц в задачах биометрии / Под ред. М.В. Хитрова. СПб: Политехника. 2013. 388 c.
5. Garrido P., Zollhöfer M., Casas D., Valgaerts L., Varanasi K., Pérez P., Theobalt C. Reconstruction of Personalized 3D Face Rigs from Monocular Video // ACM Transactions on Graphics (TOG). 2016. vol. 35. no. 3. p. 28.
6. А.А. Захарова, А.В. Шкляр. Основные принципы построения визуальных моделей данных на примере интерактивных систем трехмерной визуализации // Научная визуализация, 2014. - №2.
7. Небаба С.Г., Захарова А.А. Применение алгоритма формирования индивидуальной трехмерной модели человеческого лица в системе распознавания личности по изображению лица // Сборник научных трудов 26-ой Международной научной конференции «GraphiCon2016» (г. Нижний Новгород, 19–23 сентября 2016 г.) Нижний Новгород: ННГАСУ, 2016. С. 310-313.
8. Savitskiy Yu.V., Nebaba S.G., Spitsyn V.G., Andreev S.Yu., Makarov M.A. Analysis of methods of features extraction from image of human face for identification // Scientific Visualization, 2016. vol. 8. no. 2. pp. 107-119.



© 
С.Г. Небаба, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP

 Rambler's Top100 @Mail.ru