Научно-исследовательская работа «Исследование алгоритмов распознавания лиц»

1.

Московский государственный технический университет им. Н.Э. Баумана
Кафедра ИУ-1 "Системы автоматического управления"
Научно-исследовательская работа
«Исследование алгоритмов
распознавания лиц»
Студентка
группы ИУ1-51Б
Научный руководитель
доцент, к.т.н.
1
Полякова Ксения Викторовна
Задорожная Наталия Михайловна
Москва 2021

2.

Актуальность
Биометрические
методы
для
идентификации
человека
являются
востребованными в настоящее время
К ним относится идентификация
человека по геометрии лица, которая
применяется в сферах безопасности,
пропускных пунктах, банковских системах
и мобильных приложениях
2

3.

Постановка задачи
Цель работы
Исследовать алгоритмы
распознавания лиц
3
Решаемые задачи
1. Выполнить обзор методов
обнаружения лиц на
изображении и методов
идентификации личности
2. Изучить методы
обнаружения лиц на
изображении и методы
идентификации личности
3. Реализовать выбранные
методы обнаружения лиц и
идентификации личности

4.

Методы обнаружения лиц на изображении
Эмпирический
метод
Основан на правилах,
которые использует
человек для обнаружения
лица
4
Активные
модели
внешнего
вида
Заранее размеченные
лица путем деформации
подгоняются под новое
изображение для поиска
лица на нём
Алгоритм
Виолы-Джонса
Поиск лиц на изображении
происходит путем
перемещения признаков
Хаара по изображению и
изменению их масштаба

5.

Алгоритм Виолы-Джонса
Интегральное представление изображения
A(x, y) = I(x, y) + A(x, y-1) + A(x-1, y) - A(x-1, y-1)
Признаки Хаара
Значение признака
вычисляется по формуле
F=X–Y
5

6.

Каскадный классификатор
Признаки Хаара организуются в
каскадный классификатор, работа
которого заключается в постепенном
увеличении количества применяемых
признаков, что увеличивает скорость
работы алгоритма, не затрагивая
области изображения (где на первых
этапах не найдено лицо)
6

7.

Методы идентификации личности
7
Метод главных
компонент
Метод гибкого
сравнения на
графах
Преобразование
изображения в вектор
меньшей размерности
для его сравнения с
векторами эталонных
изображений
Графы лиц входных
изображений
деформируются для
подгонки к
эталонным и
сравниваются с ними
Подходы с
использованием
нейронных
сетей
Гистограмма
направленных
градиентов
Обучение специальной
Преобразование
нейронной структуры изображения в вектор
на основе эталонных
ориентированных
изображений,
градиентов для
решающей задачу
сравнения с векторами
классификации
эталонных изображений

8.

Гистограмма направленных градиентов (1)
1. Расчет градиента
Ядра для вычисления градиента
Величина градиента
Угол градиента
2. Разделение на ячейки 8×8
3. Вычисление гистограммы
градиента в ячейках
8

9.

Гистограмма направленных градиентов (2)
4. Нормализация гистограммы по блокам 16×16
5. Вычисление вектора признаков
В результате исходное изображение преобразуется в
вид, который является базовой структурой лица в
простой форме
9

10.

Результаты работы алгоритма Виолы-Джонса
Алгоритм
успешно
обнаружил области, в
которых
находятся
лица, не считая тех,
которые повернуты на
большой
угол
или
видны не полностью
1

11.

Работа гистограммы направленных градиентов
Визуализация гистограммы
направленных градиентов
ВЫВОД: направление гистограмм в
каждой ячейке отражает форму лица и
его черты.
11
Полутоновые изображения матрицы величин
и матрицы углов градиентов
ВЫВОД: матрица величин показывает
скорость изменения яркости пикселей, а
матрица углов – направление наибольшего
возрастания яркости.

12.

Результаты работы гистограммы
направленных градиентов
На рисунке представлена
столбчатая диаграмма,
отражающая
- градусы по горизонтальной оси и
- сумму величин градиентов по
вертикальной оси
ВЫВОД: большая часть градиентов
расположена под углами 0, 160 и
180 градусов, то есть направлены
вертикально вниз или вверх.
12

13.

Заключение
• Все поставленные задачи решены полностью:
- выполнен обзор методов по обнаружению лиц на изображении и
методов идентификации людей по найденным изображениям лиц
- изучены принципы работы алгоритмов
- с помощью среды MATLAB реализован алгоритм Виолы-Джонса для
обнаружения лиц на примере группового фото и алгоритм гистограммы
направленных градиентов для идентификации людей на примере
фотопортрета
• Вывод:
работа алгоритмов соответствует ожидаемым результатам, и их можно
использовать в различных системах
• Возможные перспективы продолжения работы:
изучение других методов и возможное использование этих методов в
системе управления.
13

14.

Спасибо за внимание!
14