
- •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.
3.3. Обзор алгоритмов обнаружения лица человека на изображении
Задача обнаружения лица на изображении (face detection) часто является "первым шагом", предобработкой в процессе решения задачи "более высокого уровня" (например узнавания лица, распознавания выражения лица).
Существуют две модификации задачи обнаружения лица - локализация лица (face localization) и отслеживание перемещения лица (face tracking). Локализация лица является упрощенным вариантом задачи обнаружения, так как опирается на знание о том, что на изображении присутствует одно и только одно лицо. Задачу отслеживания перемещения лица в видеопотоке можно сформулировать как задачу локализации лица на текущем кадре, опираясь на информацию о его положении на предыдущих кадрах.
Табл.
Задача |
Исходные данные |
Результат |
Обнаружение лица |
Изображение |
Вынесение решения о наличии (и возможно количестве) лиц на изображении, определение их положения |
Локализация лица |
Изображение (или его фрагмент), содержащее ровно одно лицо |
Положение лица на изображении |
Отслеживание лица |
Текущий кадр видеопотока, положение лица на предыдущих кадрах |
Позиция лица в текущем кадре видео |
При построении автоматической системы обнаружения лиц необходимо учитывать следующие особенности, усложняющие задачу:
Сильно варьирующийся внешний вид лица у разных людей;
Даже относительно небольшое изменение ориентации лица относительно камеры влечет за собой серьезное изменение изображения лица;
Возможное присутствие индивидуальных особенностей (усы, бороды, очки, морщины и т.д.) существенно осложняет автоматическое распознавание;
Изменение выражения лица может сильно сказаться на том, как лицо выглядит на изображении;
Часть лица может быть невидима (закрыта другими предметами) на изображении;
Изменение условий съемки (освещение и т.п.) в значительной степени влияют на получающееся изображение лица;
Существует две основных категории алгоритмов, разработанных для решения задачи обнаружения лица: методы эмпирического распознавания и методы моделирования изображения лица человека.
3.3.1. Эмпирические методы
Данные методы основываются на опыте человека в решении задачи распознавания лиц и пытаются формализовать и алгоритмизировать этот опыт, построив на его основе автоматическую систему распознавания. При этом формируется ряд эвристик, на основе наличия и взаимного соответствия которых, автоматическая система может определить факт присутствия лица на изображении.
Можно выделить два направления: методы распознавания "сверху вниз" основанные на знаниях и методы распознавания "снизу вверх" основанные на особенностях.
Распознавание "сверху-вниз".
Означает построение некоторого набора правил, которым должен отвечать фрагмент изображения, для того чтобы быть признанным человеческим лицом:
лицо зачастую симметрично относительно вертикальной оси;
на лице присутствуют отдельные черты (глаза, нос, рот);
черты лица (глаза, носа, рот) отличаются от кожи по яркости (обычно им также соответствуют области резкого изменения яркости)
черты лица имеют строго определенные отношения размеров и взаимное положение.
Опираясь на перечисленные свойства, можно построить алгоритм, проверяющий их наличие на фрагменте изображения.
К этому же семейству методик можно также отнести распознавание с помощью шаблонов, заданных разработчиком (predefined template matching). Шаблоны задают некий стандартный образ изображения лица путем описания свойств отдельных областей лица и их возможного взаимного расположения. Обнаружение лица с помощью шаблона заключается в проверке каждой из областей изображения на соответствие заданному шаблону.