Методы обработки изображения лица человека по цветовой и контурной информации и аппаратно-программные средства биометрической идентификации

• Автор: Хомяков, Марат Юрьевич
• Шифр специальности: 05.12.04
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Санкт-Петербург
• Количество страниц: 215 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Методы и системы биометрической идентификации личности по изображению лица
1.1. Биометрическая идентификация по изображению лица
1.2. Методы идентификации личности по изображению лица
1.3. Детекция лица
1.4. Методы распознавания лиц
1.5. Классификация признаков
1.6. Оценка эффективности методов идентификации
1.7 Постановка задач исследования
Глава 2. Сегментация цвета кожи человека на изображениях
2.1. Детекция цвета кожи человека на изображениях
2.2. Методика оценки цветового пространства
2.3. Сравнительная оценка цветовых пространств
Выводы
Глава 3. Контуры объектов их выделение и отслеживание
3.1. Отслеживание контуров на полутоновых изображениях
3.2. Ошибки дискретизации линейных методов выделения границ
3.3. Ошибки дискретизации острых изломов границ при отслеживании
3.4. Помехоустойчивость методов выделения границ
Выводы
Глава 4. Детекция и локализация элементов лица человека на изображении
4.1. Отбор контрольных точек лица человека
4.2. Выделение признаков по изображению лица человека
4.3. Детекция и локализация глаз
4.4. Детекция и локализация рта

4.5. Детекция и локализация носа
Выводы
Глава 5. Методы усиления классификаторов
5.1. Настройка весов АйаВооз1
5.2. Построение С4.5 классификаторов
Выводы
Глава 6. Аппаратно-программный комплекс биометрической идентификации личности по изображению лица
6.1. Требования к исходным данным
6.2. Требования к аппаратно-программной платформе
6.3. Описание аппаратно-программного комплекса
6.4. Условия проведения экспериментов
6.5. Исследование аппаратно-программного комплекса
Выводы
Заключение
Список литературы
Приложение
Приложение
Приложение
Приложение
Приложение
Приложение
ВВЕДЕНИЕ
Актуальность проблемы. В настоящее время биометрические технологии находят все большее применение во многих прикладных областях и рассматриваются как самый перспективный метод распознавания людей.
Идентификация личности по изображению лица человека, в отличие от других биометрических характеристик человека (отпечаток пальца, форма руки, рисунок радужной оболочки глаза, голос), не требует физического контакта, что значительно расширяет возможности применения. Методы анализа геометрии и структурных особенностей лица перспективны для широкого круга задач. К ним относятся: идентификация личности, оценка эмоционального состояния и мимики, автоматическое распознавание речи по движению губ, отслеживание направления взгляда, создание новых человеко-машинных интерфейсов. Для стандартизации форматов записи биометрических данных, условий получения изображений лиц и параметров цифрового изображения лица разработан ГОСТ Р ИСО/МЭК 19794-5-2006 «Автоматическая идентификация. Идентификация биометрическая. Форматы обмена биометрическими данными. Данные изображения лица».
Идентификация человека по изображению лица является сложной задачей из-за изменчивости лица, как объекта анализа (подвижность, широкий диапазон изменения антропометрических параметров), а также большой вариативности условий и средств получения изображений (параметров освещения, окклюзии лиц другими объектами, изменений ракурса и масштаба лица на изображении, качества видео- и фотосъемки).
Исследования по автоматическому распознаванию лиц проводятся с 60-х годов прошлого века. Количество публикаций по технологиям распознавания лиц ежегодно превышает сотни и продолжает возрастать, однако проблема далеко не решена. Дополнительная информация, содержащаяся в цвете и контурах, во многих работах по идентификации лиц не используется или используется неэффективно.

Рис. 1.5. Обучающее множество лиц [159]
Рис. 1.6. Усредненное лицо, построенное на основе РСА [159]
Рис. 1.7. Семь первых “собственных” лиц, построенных на основе РСА [159]
РСА эффективен в случаях, когда для обучения системы используется по одному изображению каждого человека. В других случаях выбор проекции с максимальным рассеянием приводит к дополнительным вариациям выражения лица и освещения. Исходя из этого, Мозес (Moses) предложил использовать LDA [119], максимизирующий межклассовое расстояние и минимизирующий внутриклассовое. Основным недостатком РСА и LDA является невозможность различать нелинейные скрытые зависимости, что делает данные методы эффективными только с эвклидовой метрикой. При малом раз-