Разработка и анализ алгоритмов распознавания лиц на телевизионных изображениях для биометрической идентификации

• Автор: Шмаглит, Лев Александрович
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Ярославль
• Количество страниц: 123 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АЛГОРИТМИЧЕСКИЕ ОСНОВЫ РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЯХ
1Л. Вводные замечания
1.2. Алгоритмы детектирования лиц на телевизионных изображениях
1.2.1. Алгоритм на базе адаптивного бустинга
1.2.2. Алгоритм на базе разреженной сети просеивающих элементов
1.2.3. Алгоритм на базе метода опорных векторов
1.3. Построение бинарных классификаторов для распознавания пола людей по детектированной области лица
1.3.1. Алгоритм на базе линейного дискриминантного анализа
1.3.2. Применение метода опорных векторов в задаче гендерной классификации
1.3.3. Алгоритм на базе адаптивных признаков и метода опорных векторов
1.4. Методика и результаты сравнительного анализа существующих алгоритмов распознавания лиц
1.4.1. Тестирование алгоритмов детектирования лиц на телевизионных изображениях
1.4.2. Тестирование алгоритмов распознавания пола людей по детектированной области лица
1.5. Краткие выводы
2. ДЕТЕКТИРОВАНИЕ ЛИЦ НА ТЕЛЕВИЗИОННЫХ ИЗОБРАЖЕНИЯХ ПРИ ИЗМЕНЕНИИ УСЛОВИЙ ОСВЕЩЕННОСТИ
2.1. Вводные замечания
2.2. Модели изменения условий освещенности
2.2.1. Модель изменения яркости
2.2.2. Модель изменения контраста
2.2.3. Модель неравномерной освещенности
2.3. Исследование работы существующих алгоритмов детектирования
лиц при изменении условий освещенности
2.4. Модификация этапа предобработки изображений при детектировании лиц
2.4.1. Эквализация гистограммы изображения
2.4.2. Локальная предобработка
2.5. Результаты тестирования алгоритмов детектирования лиц с предложенными модификациями
2.6. Краткие выводы
3. РАСПОЗНАВАНИЕ ПОЛА ЛЮДЕЙ ПО ИЗОБРАЖЕНИЮ ЛИЦА ПРИ
ИЗМЕНЕНИИ УСЛОВИЙ ОСВЕЩЕННОСТИ
ЗЛ. Вводные замечания
3.2. Исследование работы алгоритма на базе метода опорных векторов
при изменении условий освещенности
3.3. Предлагаемые модификации базового алгоритма на основе метода опорных векторов
3.3.1. Эквализация гистограммы изображения
3.3.2. Алгоритм локального выравнивания яркости и контраста
3.3.3. Алгоритм локальной предобработки с сегментацией
3.4. Результаты тестирования предложенных модификаций
3.5. Краткие выводы
4. МОДИФИКАЦИЯ ПРИЗНАКОВОГО ПРОСТРАНСТВА АЛГОРИТМА РАСПОЗНАВАНИЯ ПОЛА НА БАЗЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ
4.1. Вводные замечания
4.2. Процедура вычисления локальных бинарных шаблонов
4.3. Результаты тестирования предложенных модификаций признакового пространства
4.4. Краткие выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. АКТЫ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ РАБОТЫ

ВВЕДЕНИЕ
Актуальность темы. Задача распознавания объектов [1-5] на телевизионных изображениях заключается в определении на основе многочисленных характеристик некоторого объекта одной или нескольких наиболее существенных его характеристик, недоступных для непосредственного определения, в частности, его принадлежности к определенному классу объектов. Для решения этой задачи необходимо применение комплекса алгоритмов, направленных на получение, обработку и анализ видеоданных [6-10]. При этом конечной целью анализа является выработка решений, позволяющих получить новую информацию, обнаружить интересующие объекты, распознать их свойства, отследить и предсказать их дальнейшее поведение [11, 12]. Информация такого рода широко востребована и используется в различных областях, начиная от контроля качества за производственными процессами на предприятии и заканчивая созданием искусственного интеллекта и интерфейсов взаимодействия человек-компьютер [13-16].
В настоящее время быстро развиваются технологии получения и передачи телевизионных изображений, увеличивается емкость передаваемой информации. В связи с этим растет потребность в интеллектуальных системах анализа видеоданных. Так миллиарды камер охранного телевидения - теперь неотъемлемая часть современного цивилизованного мира [17, 18]. Изображения сменяют друг друга на мониторах, многочисленные операторы обеспечивают безопасность в аэропортах, на вокзалах и в других общественных местах. Видеонаблюдение сегодня считается едва ли не самым главным техническим инструментом обеспечения безопасности. При этом для того чтобы контролировать тысячи видеоканалов в режиме реального времени необходимы эффективные алгоритмы, способные без участия человека автоматически оценивать внешнюю среду и выполнять в ней те или иные действия.

размерностью 40x40=1600 пикселей, значит, размерность матриц межклассовой и внутриклассовой дисперсии (8вш и 5ИТЯ) составляет
1600x1600. Кроме того, что работа непосредственно с матрицей 8птн
затруднительна из-за её размерности, обучающая выборка должна состоять из 1600 изображений для каждого класса, иначе матрица будет
вырожденной. Для решения данной проблемы в ЬБА использовано предварительное уменьшение размерности с помощью метода главных компонент. Таким образом, размер матрицы 8ти уменьшается за счет удаления близких к нулю собственных значений.
В алгоритме Б-ЬБА применяется другой способ для решения данной проблемы. Основная идея алгоритма заключается в том, что в «нулевом» пространстве 8]УТН может содержаться значимая информация для
дискриминантного анализа, если проекция не нулевая в данном
направлении, и поэтому полезная информация будет утеряна. В отличие от классического ЬБА, при поиске матрицы для отображения пространства изображений на пространство признаков вначале диагонализируется матрица 8вт, при этом уменьшается размер матрицы за счет удаления нулевых и
близких к нулю собственных значений, которые не содержат полезной информации. Затем диагонализируется матрица 8ШН■ Последовательность
диагонализации матриц имеет значение, только если матрица 8пгн
вырожденная, что в нашем случае имеет место быть. Матрица А для проецирования пространства изображения на пространство признаков в алгоритме Б-ЬБА выбирается из следующего условия:
А = а^тах

А 8ВША + А 8ШНА
(1.25)
Пространство признаков строится на основе собственных векторов матрицы А на этапе обучения. На этапе тестирования для принятия