Paper Title (use style: paper title)
Изтегляне 102.47 Kb.
|
Свързани:
KR ComputerVision)
- Навигация на страницата:
- Въведение
|
Анализ на изображения за разпознаване на лица (Face recognition) Васил Петров Ветренски фак. № 121323031, група 221 e-mail:nonozone222@gmail.com Резюме: Въведение в лицевото разпознаване какво е то? Как се използва и къде. Проблеми които могат да възникнат при ползването му. Закони свързани с подобен вид софтуер и къде се използва. Лимитации и Възможности на Софтуера за лицево разпознаване Ключови думи:Лице;Разпознаване;Софтуер;Закони;Правила;Резултати ВъведениеРазпознаването на изображенията на човешки лица е една от най-важните задачи в сферата на биометричните технологии. В последните години се наблюдава огромен интерес към биометричните системи от страна както на правителствата, така и от частния сектор, за изграждането на мащабни биометрични системи за цели като: ускоряване на взаимодействието човек-машина, ефективно предоставяне на услуги (контрол на достъпа), борба с кражба на лични данни и дори борба с тероризма. Биометрията се е превърнала в индустрия за много милиарди, което поражда необходимостта от въвеждане на нови технологии и търсене на способи за по-ефективно комбиниране на вече известни технологии. От гледна точка на пълнотата в разглеждането на системи за разпознаване на лица при видеонаблюдение и статични изображения е необходимо да се проведат следните стъпки: • Литературен обзор и анализ на съществуващите съвременни технологии и системи за разпознаване изображенията на лица; • Да се оценят предимствата и недостатъците на различни биометрични модалности; • Да се представи съвременен дизайн на система за разпознаване изображенията на лица; • Да се оцени представената система по отношение точност на разпознаване. В дисертацията са рагледани основните групи методи и алгоритми, използвани съответно за отделяне на лица, извличане на признаци и класификация и са направени следните основни изводи: - Откриването на изображенията на човешки лица може да се дефинира като процес, който приема едно изображение за вход и извежда координатите на позицията и размерите на областите, съдържащи обекта «човешко лице» в изображението; - Информацията, която носи цвета, може да улесни задачата за локализирането на областите, съдържащи лица. Ако се създаде подходящ цветови модел на човешката кожа, получен след обучение, той би се използвал при класифицирането дали един пиксел е пиксел на кожа или не е. - Необходимо е да се използва информация от антропологическите характеристики за структурата и геометричните зависимости между компонентите на лицето: уста, очи и нос. Комбинирането на отделените области, кандидати за лице по цвят на кожата с информацията на геометричните характеристики дава възможност за построяване на надежден алгоритъм за отделяне на области с лица; - Предимството на подхода за отделяне на лице, базиран на знания е, че е лесно да се генерират прости правила за описание на характеристиките на лицето и техните взаимоотношения. Недостатък е, че е трудно да се трансформират човешките познания в точни правила: детайлните правила пропускат да открият лица, а обобщените правила често откриват несъществуващи лица. Също така е много трудно да се открият лица в различни пози и не могат да се обхванат всички възможни случаи; - Методите за отделяне на лица, базирани на инвариантни характеристики не зависят от промяната в позата и ориентацията. Но трудно откриват всички лицеви характеристики поради неефикасността на тези методи при наличие на външни фактори като различна осветеност, шум, сложен фон и т.н.; - Надеждно и точно отделяне на цветни области, съдържащи лица може да се реализира като се използва цялата информация от цветното изображение; Съществуващите методи и алгоритми за отделяне на лица на база цвят на кожата не предлагат необходимата точност и поради това е необходимо разработването на комбинирани алгоритми за отделяне на лица; - Подходът за отделяне на лица с използване на шаблон е сравнително лесен за реализация, но шаблоните трябва да бъдат инициализирани много близо до изображенията на лица. Подобно на подхода базиран на знания, е трудно да се преценят шаблоните за различни 4 пози. Подходът е показал, че е недостатъчен за ефективно откриване на лица, тъй като силно зависи от фактори като мащабиране, поза и форма; - Методите, базирани на изгледа използват информация от цялото лице. Отличават се с висока точност, бързина и известна гъвкавост при откриването на лица с различни ориентации, както и сложно обучение с голяма обучаваща извадка с изображения на лица и не-лица; - Отделянето на лицето може да се извърши с помощта на глобални или локални методи. При локалните подходи точността е по-висока, за сметка на сложните изчисления. Глобалните подходи за откриване на лице в изображение/кадър се нуждаят от обучение; - Верификацията на изображението, кандидат за лице е необходима стъпка преди извличането на признаци. Тази стъпка е необходимо да се изпълни след грубото отделяне на изображението на лицето (по цвят и Viola-Jones); - Определянето на по поза на главата спрямо оптичната ос на камерата е критичен етап от предварителната обработка и отделяне. Един от важните етапи в системите за разпознаване на изображенията на човешки лица е процесът на извличане на признаци. Най-често използваните класификатори за разпознаване на лица работят със структурно или статистическо описание, търсене на подобие с шаблон и невронни мрежи. Правилен подход за избор на признаци би бил една комбинация от прецизен анализ на свойствата на различните типове признаци и техните съответстващи класификатори, и анализ на процесите, които определят какви признаци използва и как човек разпознава лица; - Степента на разпознаване се увеличава когато се използват комбинирано глобални и локални характеристики на лицето; За реализация на надежден и точен процес на разпознаване на лица трябва да се използва комбинация от признаци за цялото лице с признаци от отделните му компоненти като очи, уста и нос; - Един правилен подход за отделяне на комбинацията от признаци е уейвлетна трансформация, реализирана върху отделеното лице; В пространството на уейвлетните декомпозиции на лицата се наблюдава декорелиране на признаците, характеризиращи лицата, но съществува информационен излишък, който е необходимо да се съкрати; - Намаляването на размерността на данните след уейвлетна трансформация може да се реализира с линейно преобразуване от типа анализ по главни компоненти PCA; - За постигане на подобрената възможност за клъстеризация в признаковото пространство, трябва да приложи преобразование с по-високи дискриминативни качества като LDA; - Извличането на информативни признаци в повече от две подпространства изисква класификатор във всяко подпространство и последващо комбиниране на резултатите. Какво е лицево разпознаване Изтегляне 102.47 Kb. Сподели с приятели:
|