Телефон: 8-800-350-22-65
WhatsApp: 8-800-350-22-65
Telegram: sibac
Прием заявок круглосуточно
График работы офиса: с 9.00 до 18.00 Нск (5.00 - 14.00 Мск)

Статья опубликована в рамках: XXVI Международной научно-практической конференции «Естественные и математические науки в современном мире» (Россия, г. Новосибирск, 12 января 2015 г.)

Наука: Информационные технологии

Секция: Системный анализ, управление и обработка информации

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Малиновская Е.А. ПОИСК МЕТОДОЛОГИЧЕСКИХ ОСНОВ СОЗДАНИЯ КЛАССИФИКАТОРА ДЛЯ УСКОРЕНИЯ РАСПОЗНАВАНИЯ ЛИЦ // Естественные и математические науки в современном мире: сб. ст. по матер. XXVI междунар. науч.-практ. конф. № 1(25). – Новосибирск: СибАК, 2015.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

ПОИСК  МЕТОДОЛОГИЧЕСКИХ  ОСНОВ  СОЗДАНИЯ  КЛАССИФИКАТОРА  ДЛЯ  УСКОРЕНИЯ  РАСПОЗНАВАНИЯ  ЛИЦ

Малиновская  Елена  Александровна

кандидат  физ.-мат.  наук,  ст.  преподаватель  кафедры  прикладной  математики  и  компьютерной  безопасности  Северо-кавказского  федерального  университета  Института  информационных  технологий  и  телекоммуникаций,  РФ,  г.  Ставрополь

 

SEARCH  METHODOLOGICAL  BASICS  OF  CREATING  A  CLASSIFIER  FOR  FASTER  FACE  RECOGNITION

Malinovskaya  Helena

candidate  of  physico-mathematical  Sciences,  Senior  lecturer  of  the  Department  of  applied  mathematics  and  computer  security  in  the  North  Caucasus  Federal  University  in  Institute  of  information  technology  and  telecommunications,  Russia,  Stavropol

 

АННОТАЦИЯ

В  статье  показано,  что  при  использовании  в  задачах  распознавания  лиц  антропометрических  параметров  появляется  перспектива  типизации,  а,  следовательно,  возможность  смысловой  интерпретации  анализируемого  образа.

ABSTRACT

In  article  it  is  shown  that  when  used  in  the  task  of  face  recognition  anthropometric  parameters,  there  is  the  prospect  of  typing,  and,  consequently,  a  semantic  interpretation  of  the  analyzed  image.

 

Ключевые  слова:   антропометрические  параметры;  лица  распознание;  лиц  типизация  лиц.

Keywords:   anthropometric  parameters;  face  recognition;  people  typing  persons.

 

В  современных  условиях  для  обеспечения  безопасности  активно  используются  системы  идентификации,  аутентификации  с  использованием  биометрических  данных,  в  частности,  по  изображению  лица.  Основной  задачей  в  определении  лиц  в  системах  безопасности  является  одновременный  захват  нескольких  лиц  одной  видеокамерой  [9].  Система  автоматически  оценивает  качество  изображения  для  опознания  лица  и,  если  необходимо,  способна  его  улучшить.  Она  также  создает  изображение  лица  из  сегментов  данных,  генерирует  цифровой  код  или  внутренний  шаблон,  уникальный  для  каждого  индивидуума  [6].  Современные  методы  распознавания  лиц  сводятся  к  тому,  что  в  соответствии  с  некоторым  алгоритмом  определяются  точки  на  лице,  выполняется  математическая  обработка,  поиск  их  сравнение  со  значениями  из  базы  данных.

В  памяти  человека  все  возможные  реализации  образов  хранятся  в  распределенном  виде  по  всей  нейронной  сети.  Обращение  к  хранимой  в  памяти  информации  происходит  по  содержанию,  а  не  по  адресу  в  памяти  (как  в  современных  компьютерах).  Этим  объясняется  очень  высокая  скорость  процесса  распознавания.  Распознавание  образа  неразрывно  связано  с  работой  ассоциативной  памяти.  При  этом  лицо,  которое  сейчас  перед  нашими  глазами,  может  быть  сильно  изменено,  постареть,  быть  с  бородой,  без  бороды.  Мы  его  видим  в  другом  ракурсе,  при  другом  освещении  [8].  Но  при  этом  происходит  узнавание  человека.

Сегодня  активно  развиваются  методы  анализа  изображения  лица  с  использованием  таких  смысловых  понятий  как  форма  и  соотношение  размеров.  В  антропометрии  и  криминалистике  имеются  исследования  относительно  анализа  лиц  и  головы,  а  также  попытки  типизации  лиц,  например  [4].  «Возникает  вопрос,  какое  же  минимальное  число  характерных  черт  необходимо  для  определения  типа?  Этот  вопрос  неразрешим.  Всякий  решает  его  по-своему,  сообразно  точности,  какая  необходима  в  каждом  частном  случае.  На  практике  вполне  достаточно  двух  или  трех  хороших  физических  признаков,  особенно  если  они  обоснованы  и  опираются  на  физиологические,  исторические  и  тому  подобные  данные»  [4;  5].  При  условии,  что  выбраны  подходящие  антропометрические  параметры,  окажется  возможным  проводить  смысловой  анализ  образов,  позволяющий  накапливать  данные  не  только  о  статистических  сведениях  типизации  лиц,  но  и  о  взаимосвязях  соответствующих  выделенных  типов  с  особенностями  социального  проявления.  В  медицине  и  криминалистике  имеются  ряд  антропометрических  параметров,  а  также  методы  их  измерения.  При  этом  известные  системы  идентификации  по  лицу  используют  принцип  выбора  точек  отличный  от  принципа  определения  антропометрических  параметров. 

В  соответствии  с  известными  методиками  [1;  2;  3]  антропометрические  характеристики  можно  определить  либо  непосредственными  измерениями,  либо  по  трехмерной  фотографии.  То  есть  изображение,  получаемое  анфас,  не  может  дать  полных  сведений,  в  тоже  время  изображение  профиля  лица  также  даёт  только  частичную  картину.  Здесь  стоит  задача  определить  антропометрические  параметры  по  трехмерной  модели  лица  и  сопоставить  с  результатами  распознания  образа  по  двумерному  изображению  в  анфас  и  профиль.  Исследовать  возможные  искажения  значений  соответствующих  параметров.

Методика  вычислений  должна  определять  расстояние  между  некоторыми  точками,  имитируя  измерение  с  использованием  медицинских  метрических  инструментов.  При  условии,  что  у  нас  есть  фото  человека  в  двумерном  формате,  сделанное  не  постановочным  образом,  могут  появиться  искажения  высоты  и  ширины  лица,  а  также  отдельных  антропометрических  параметров.  Поэтому  необходимо  исследовать  и  математически  обработать  искажения  этих  измерений. 

Поверхность  лица  можно  задать  формулой:  ,  где  X,  Y  —  координаты  трехмерного  пространства;  ,  —  параметры,  определяющие  углы  поворота  и  наклона  головы.

Пусть  наименьшая  ширина  лба    —  первый  параметр,  который  нужно  исследовать  на  предмет  возможности  использовать  в  качестве  классификатора.  В  соответствии  с  методикой  измерения  наименьшую  ширину  лба  можно  определить  по  выпуклым  частям  лба,  которые  при  анализе  двумерного  изображения  с  некоторыми  допущениями  соответствуют  боковым  краям  бровей.

При  анализе  данного  параметра  возникают  следующие  проблемы:

·     волосяной  покров  кожи  головы  может  скрывать  лоб  или  его  часть;

·     необходимо  учитывать  ракурс  поворота  головы,  при  изменении  угла  поворота  искажаются  параметры  измерения.

Определим  возможные  погрешности  вычисления  данного  параметра  при  различных  ракурсах  наклона  и  поворота  головы.  Пусть  погрешность  вычисления  ширины  лба  определяется  формулой:

 

,

 

как  разность  значений    измеренным  и    —  вычисленным  фотометрическим  способом. 

Назовем  идеальным  ракурсом  вычисления  ширины  лба  для  вычислений  с  использованием  фотометрии  такой  ракурс,  при  котором  лицо  симметрично  расположено  к  объективу  фотоаппарата,  а  для  полученного  двумерного  изображения  основание  носа  и  оба  мочка  уха  лежат  на  одной  линии  [7].

При  этом  погрешность  вычисления  минимальна:  . 

 

Рисунок  1.  Изменение  погрешности  фотометрических  измерений  в  зависимости  от  угла  поворота  головы

 

При  изменении  угла  наклона  или  поворота  головы  погрешность  вычисления  будет  увеличиваться.  При  идеальном  ракурсе  угол  наклона    и  угол  поворота  .  При    и  при    погрешность  вычисления  остается  в  пределах  допустимого  значения  .  Если  провести  простой  вычислительный  эксперимент  по  определению  наименьшей  ширины  лба,  то  до  угла  поворота  в  40  градусов  относительная  погрешность  вычисления  мало  изменяется.  Далее  происходит  скачек  значений,  при  повороте  80  градусов  погрешность  составляет  50  %. 

Если  использовать  соответствующий  алгоритм  распознавания  лиц  при  изменении  угла  поворота  головы  до  30  градусов,  вероятность  ошибки  достаточно  мала.  Для  распознания  лица  при  другом  ракурсе,  например,  при  развороте  головы  в  профиль,  требуется  добавить  дополнительные  обучающие  выборки.  В  случае,  если  используются  антропометрические  характеристики  для  классификации  лиц,  при  ракурсе  головы  в  90  градусов  можно  провести  анализ  формы  и  относительных  размеров  уха  или  вычислить  лицевой  угол,  сагиттальный  диаметр  головы,  или  определить  характеристики  относительно  типизации  формы  носа.

Предположим,  для  реализации  алгоритмов  распознания  лиц  выбран  метод  Виолы-Джонсона.  Погрешность  вычисления  с  использованием  этого  алгоритма  распознания  определяется  качеством  изображения,  размером  сканирующего  окна  и  эффективностью  распознания. 

Если  размерность  изображения  L  —  количество  единиц  измерения  в  100  пикселях,  p  —  количество  пикселей  в  линейном  размере  сканирующего  окна,  n  =  1,2,3,..  —  число  p  блоков,  размещенных  внутри  измеряемого  размера.  Величина    определяет  расстояние  между  двумя  точками.  Погрешность  измерения  определяется,  во-первых,  размером  сканирующего  окна  p,  во-вторых,  качеством  изображения.  То  есть,  размер  сканирующего  окна  дает  вклад  в  погрешность  для  .

Если  известна  погрешность  вычислений  для  соответствующего  алгоритма  распознавания  антропометрического  параметра  лица,  то  следующий  шаг  —  выбор  методологии  определения  типов  лиц  по  выбранному  параметру.  С  использованием  известных  медов  типизации  лиц  для  определенности  можно  выделить  три  базовых  типа.  При  этом  чётко  выраженный  тип  определяется  попаданием  в  область  значений  вне  области  перекрытия,  определяемой  величиной  погрешности.

Для  того,  чтобы  использовать  антропометрические  параметры  в  качестве  классификатора  в  условиях  анализа  видеоизображения,  необходимо  использовать  эталоны,  для  которых  известны  метрические  характеристики,  что  на  практике  реализуется  с  использованием  разметки  в  зоне  видеонаблюдения.  Однако  можно  взять  за  основу  не  значения  параметров,  а  их  соотношения.  Тогда  разметка  не  требуется.  Так,  например,  в  качестве  соотношений  могут  быть  выбраны  отношение  высоты  лба  к  ширине  лба  и  отношение  высоты  лица  к  ширине  лба.

Итак,  показано,  что  при  использовании  в  задачах  распознавания  лиц  антропометрических  параметров  появляется  перспектива  типизации,  а,  следовательно,  возможность  смысловой  интерпретации  анализируемого  образа.

 

Список  литературы:

1.Волов  Н.В.  Диагностическое  и  прогностическое  значение  морфометрических  признаков  при  параназальных  синуитах:  дис.  канд.  мед.  наук.  Самара,  2004.  —  С.  3—50.

2.Звягин  В.Н,  Галицкая  О.И.,  Негашева  М.А.  Биометрический  способ  описания  головы  неопознанного  трупа  с  целью  индивидуализации  и  идентификации  личности  //  Судебно-медицинская  экспертиза.  —  2012.  —  №  5.  —  С.  23—36.

3.Зеленин  К.Г.  Моделирование  и  прогнозирование  изменений  профиля  лица  в  планировании  лечения  сагиттальных  аномалий  окклюзии  зубных  рядов  :  дис.  канд.  мед.  наук.  Пермь,  2007.  —  С.  3—55.

4.Ламброзо  Ч.  Преступный  человек.  M.:  Эксмо,  2005.  —  С.  550—590. 

5.Ламброзо  Ч.  Гениальность  и  помешательство.  М.:  Книга  по  требованию.  2011.  —  С.  256—260.

6.Современные  биометрические  системы  безопасности  //  Информация.  —  2006  —  №  6  (94).  —  С.  55-60.

7.Фотометрические  методы  исследования  в  ортодонтии  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  //  http://reftrend.ru/183669.html  (дата  обращения:  1.11.14).

8.Xaken  H.  Brain  Dynamics,  Springer,  Berlin.  2002.  —  С.  42—48.

9.IP-камеры  берут  анализ  видео  на  себя.  Актуальность  и  перспективы  «встроенной  видеоаналитики»  //  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.secnews.ru/articles/20242.htm#ixzz3FYockAvF  (дата  обращения:  1.11.14). 

Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий

Форма обратной связи о взаимодействии с сайтом
CAPTCHA
Этот вопрос задается для того, чтобы выяснить, являетесь ли Вы человеком или представляете из себя автоматическую спам-рассылку.