
- •Разработка и макетирование устройства распознавания пользователей бытовой техники
- •Содержание
- •1. Сравнительный анализ и выбор принципов построения сенсорной части устройства
- •2. Разработка интерфейса взаимодействия системы распознавания с пользователями
- •3. Обзор методов биометрической идентификации личности по лицу
- •3.1 Особенности и проблемы распознавания лиц
- •3.2Методыудалениефона
- •3.3. Обзор алгоритмов обнаружения лица человека на изображении
- •3.3.1. Эмпирические методы
- •Распознавание "сверху-вниз".
- •Распознавание "снизу-вверх".
- •3.3.2. Моделирование изображения лица
- •Неадаптивные методы
- •Моделирование класса изображений лиц с помощью метода главных компонент
- •Моделирование класса изображений лиц с помощью Факторного Анализа (Factor Analysis, fa)
- •Адаптивные методы
- •Линейный Дискриминантный Анализ (Linear Discriminant Analysis, lda)
- •Метод Опорных Векторов (Support Vector Machines, svm)
- •Искусственные Нейронные Сети (Neural Networks, nn)
- •Sparse Network of Winnows (sNoW) - «Разреженная сеть просеивающих элементов».
- •Скрытые Марковские Модели (Hidden Markov Models)
- •Active Appearance Models (aam) – «Активные модели внешнего вида»
- •Алгоритм Viola-Jones
- •3.4 Обзор методов распознавания лиц
- •3.4.1. Классификация методов распознавания
- •3.4.2. Методы, основывающиеся на анализе локальных признаков
- •Контурные (эластичные) модели лица (Flexible Appearance Models)
- •Сравнение эластичных графов
- •Методы, основанные на геометрических характеристиках лица
- •Сравнение эталонов
- •Метод наиболее информативных областей (нио)
- •Скрытые марковские модели
- •Морфинговые модели
- •3.4.3. Методы, основывающиеся на анализе глобальных признаков Дискриминантные методы
- •Линейный дискриминантный анализ
- •Анализ главных компонент
- •Анализ независимых компонент
- •Топографический независимый факторный анализ
- •Оптический поток
- •3.4.4. Общие методы Фильтры Габора
- •Моменты
- •Нейронные сети
- •3.4.5. Методы классификации
- •Статистические классификаторы
- •Классификаторы на основе построения разделяющих гиперповерхностей
- •Классификаторы, основанные на принципах потенциалов
- •Классификаторы экземпляров
- •Нейросетевые классификаторы
- •4. Выбор оптимальных методов решения задачи распознавания лиц
- •5. Определение набора тестов для проверки качества работы системы распознавания
- •5.1. Тестирование подсистемы удаления фона
- •5.2. Тестирование подсистемы обнаружения лиц
- •5.3. Тестирование подсистемы распознавания лиц
- •5.4. Face Databases
- •6. Разработка алгоритмического обеспечения комплекса.
3. Обзор методов биометрической идентификации личности по лицу
Распознавание лиц – задача, которую человек выполняет без особых усилий несколько раз в день. Это одна из ключевых биометрических технологий, ставшая еще более важной в связи с достижениями в новых технологиях – цифровых камерах, Интернету, мобильных устройств и требованиями по безопасности. Распознавание лиц имеет ряд преимуществ перед другими биометрическими технологиями: это естественность, неагрессивность и простота в использовании.
Система распознавания лиц должна выделять лица на фотографиях или в видео потоке автоматически. Она может работать в двух режимах по отдельности и одновременно:
верификация (аутентификация) лица - сравнение изображение лица с уже известным шаблоном. То есть лицо, с которым производится сравнение, заранее известно системе.
идентификация (распознавание) лица - сравнение входного изображения с набором известных шаблонных изображений и соотнесение/несоотнесение его с каким-либо из изображений.
Несмотря на громадный успех в области распознавания лиц, задача оказалось достаточно сложной, особенно для задач без ограничений, когда точку обзора, освещение, выражение лица, заграждения, аксессуары и т.д. могут существенно изменяться.
Распознавание лица– задача распознавания зрительных (визуальных) образов. Лицо, как трехмерный объект, должно быть идентифицировано на основе его двумерном изображении (трехмерные изображения, полученные с помощью лазера, также могут быть использованы). При этом изображение лица может изменяться при изменении освещения, позы, выражения и т.д. Типичная система распознавания лиц состоит из четырех модулей
1. Модуль выделения лица (контура лица) – сегментирует участки, отвечающие лицам из заднего фона. В случае видео-последовательностей, обнаруженные лица должны отслеживаться с использованием следящего модуля.
2. Модуль выравнивания – нацелен на достижение более аккуратной локализации лица и последующей нормализации. Части лица, такие как глаза, нос, рот, волосы локализуются. На основе этого входное изображение нормализуется по отношению к геометрическим свойствам (размер, поза, масштаб, ориентация) с использованием геометрических преобразований и трансформаций. Часто лицо нормализуется также по отношению к фотометрическим свойствам, таким как освещение и уровень серого.
3. Модуль извлечения признаков – обеспечивает полезной информацией для различения лиц различных персон и устойчивый по отношению к геометрическим и фотометрическим изменениям.
4. Сравнивающий модуль или классификатор (модуль принятия решений) – сравнивает вектор признаков входного лица с признаками лиц, зарегистрированных в базе данных. Выдает на выходе в случае успешного распознавания идентификатор лица или сигнализирует о неизвестном лице.
Результаты задачи распознавания лиц значительно зависят от извлекаемых признаков и методов классификации.
3.1 Особенности и проблемы распознавания лиц
1. Избыточность
представления лиц. Обычно используется
представление лиц в форме двумерных
массивов пикселей. Общее число возможных
состояний входного изображения получается
равным ,
где N – число пикселей, M
– количество градаций пикселя. При этом
количество распознаваемых лиц значительно
меньше общего числа возможных состояний.
В связи с этим возникает проблема
обобщения, заключающаяся в том, что
система распознавания не может распознать
образы, которые она не видела до этого.
2. Нелинейность, невыпуклость областей расположения лица (и в оригинальном пространстве, и в пространстве признаков). Большинство же используемых методов выделения признаков являются линейными (метод главных компонент, независимых компонент, анализ линейных дискриминантов). Схожесть между лицами уже не может быть эффективно определена по евклидовому расстоянию. Таким образом, эффективность линейных методов выявления и распознавания лиц получается значительно ограниченной.
3. Большое количество вариантов представления лица. Изображение лица зависит от различных факторов – освещенности, выражения лица, положения в пространстве головы и т.д. В дополнении к этому разнообразие вносится параметрами съема изображения (фотоаппаратом, камерой). Сложности возникают при распознавании похожих друг на друга лиц. Всё это выливается в следующую проблему: «Отличия между изображениями лиц, вызванные освещением, положением почти всегда больше, чем изменения, вызванные сменой опознаваемого человека».
Для задач выделения и распознавания лиц должна быть обеспечена инвариантность к определенным формам представления распознаваемых лиц. Рассмотрим подробно данные виды инвариантностей:
1. Инвариантность к освещению, т.е. лицо должно правильно распознаваться независимо от месторасположения, количества и интенсивности источников света.
2. Инвариантность к фону. Лицо должно распознаваться независимо от заднего фона, он может быть как однородным, так и произвольным. К фону также можно отнести прическу распознаваемого объекта.
3. Инвариантность к положению головы в пространстве. Эта инвариантность для каждой задачи своя. Например, при проверке документов, требуется инвариантность к незначительным поворотам головы вправо-влево, вверх-вниз. При поиске же человека в толпе требуется инвариантность к повороту головы до угла ±90°, а также к более сильным наклонам головы вверх-вниз.
4. Инвариантность к мимике лица. Система должна распознавать человека как с нейтральным, так и с грустным, веселым, смеющимся и кривляющимся лицом.
5. Инвариантность к масштабу. Как правило масштаб устанавливается на этапе поиска лица. В этом случае для этапа распознавания лица инвариантность к масштабу не требуется. Хотя это справедливо не для всех методов.
6. Инвариантность к частичному заслонению. Под частичным заслонением понимаются очки, волосы, выросшие усы, борода и т.д.