levitra bitcoin

+7(495) 123-XXXX  г. Москва

 

 

 

 

 

ВАС ПРИВЕТСТВУЕТ

VIP Studio ИНФО

 

Публикация Ваших Материалов

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Верстка Полиграфии, WEB sites

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Книжная лавка

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Phasellus rutrum, libero id imperdiet elementum, nunc quam gravida mi, vehicula euismod magna lacus ornare mauris. Proin euismod scelerisque risus. Vivamus imperdiet hendrerit ornare.

Последние ЖУРНАЛЬНЫЕ ПУБЛИКАЦИИ

 

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
viagra bitcoin buy

Rambler's Top100 �������@Mail.ru