Алгоритмы распознавания лиц и жестов на основе вейвлет-преобразований и метода главных компонент

• Автор: Буй Тхи Тху Чанг
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Томск
• Количество страниц: 145 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР МЕТОДОВ РАСПОЗНАВАНИЯ

ОБЪЕКТОВ

1.1 Применение и развитие методов распознавания объектов

1.2 Анализ подходов при решении задач распознавания объектов.

1.2.1 Формирование признаков изображения

1.2.2 Классификация методов распознавания объектов

1.2.3 Вейвлет-анализ

1.3 Обнаружение лиц на изображениях

1.4 Слежение за объектами

1.5 Цель и задачи исследования
1.6 Основные результаты и выводы по главе
ГЛАВА 2. АЛГОРИТМЫ РАСПОЗНАВАНИЯ ЛИЦ И ЖЕСТОВ НА ОСНОВЕ ПРИМЕНЕНИЯ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ И МЕТОДА ГЛАВНЫХ КОМПОНЕНТ
2.1 Способ выделения признаков объектов на изображениях
2.2 Алгоритм распознавания лиц и жестов на статических
изображениях
2.2.1 Алгоритм распознавания объектов при применении РСА
2.2.2 Принципы и схемы работы предложенного алгоритма
распознавания объектов на изображениях
2.3 Экспериментальное оценивание точности распознавания
объектов на основе применения вейвлет-преобразований и РСА
2.4 Алгоритм распознавания лиц на видеопоследовательности
2.4.1 Интегральное представление изображений

2.4.2 Хаар-подобные признаки
2.4.3 Метод построения классификатора на основе алгоритма
бустинга
2.4.4 Метод комбинирования классификаторов в каскадную
структуру
2.5 Алгоритм распознавания жестов на видеопоследовательности
2.6 Основные результаты и выводы по главе
ГЛАВА 3. ТЕСТИРОВАНИЕ И ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ
АЛГОРИТМОВ ДЛЯ РАСПОЗНАВАНИЯ ЛИЦ И ЖЕСТОВ НА
ИЗОБРАЖЕНИЯХ И ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ
3.1 Постановка экспериментов
3.2................................Тестирование разработанного ПО
3.2.1 Распознавание лиц на статических изображениях
3.2.2 Распознавание жестов на статических изображениях
3.2.3 Распознавание множества лиц на видеопоследовательности
3.2.4 Распознавание жестов на видеопоследовательности
3.3 Перспективы использования полученных результатов в жизни
3.4 Основные результаты и выводы по главе
ГЛАВА 4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ РАСПОЗНАВАНИЯ ОБЪЕКТОВ НА ИЗОБРАЖЕНИЯХ И ВИДЕОПОСЛЕДОВАТЕЛЬНОСТЯХ .

4.1 Выбор средств разработки
4.1.1 Структура классов библиотеки
4.2 Программные средства для распознавания объектов на
изображениях и видеопоследовательностях

4.2.1 Приложение для распознавания объектов на статических изображениях
4.2.2 Приложение для распознавания лиц на видеопоследовательностях
4.2.3 Приложение для распознавания жестов на видеопоследовательностях
4.3 Основные результаты и выводы по главе
ЗАКЛЮЧЕНИЕ
ОБОЗНАЧЕНИЯ
СПИСОК СОКРАЩЕНИЙ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ
СПИСОК ПУБЛИКАЦИЙ АВТОРА
ПРИЛОЖЕНИЕ

с помощью масштабных преобразований —

и сдвигов
2 J ’
ортогональны и имеют единичную норму.
Функция Хаара не обладает хорошей частотно-временной
Преобразование Хаара (ПХ) является простейшим базисным вейвлет-преобразованием. Пусть имеется одномерный дискретный сигнал ПХ разлагает каждый сигнал на два компонента, один из которых называется средним или аппроксимацией (approximation), а другой известен как различие ( Формула для вычисления среднего значения подсигнала (subsignal) выражается как а] = (al,a2,...,aN/2) на первом уровне для одного сигнала
длины N, т.е. /(/i,/2,имеет вид:
Соответствующее соотношение для детализирующей компоненты подсигнала с/1 = (й'1,с/2,...,<я'л,у2), на этом же уровне представляется в виде:
Эти значения формируют два новых сигнала: а {ап) п е 2 и с/ {<Д,} n^Z, один из которых является огрубленной версией исходного сигнала (каждой паре элементов / соответствует их среднее арифметическое), а другой содержит информацию (будем называть ее детализирующей), необходимую для восстановления исходного сигнала. Действительно:
локализацией, ее преобразование Фурье р(£,) убывает как |^| 1 при

dn = fln^-fln, п = ,2,3,...,N/2.
г _ ап п