ВВЕДЕННЯ
Об'єктом комп'ютеризації є система відеоспостереження. Відеоспостереження успішно застосовується в місцях великого скупчення людей – в аеропортах, різних супермаркетах, автостоянках. В цьому випадку системи дозволяють цілодобовий контроль ситуації і миттєво інформувати про непередбачені ситуації. Завдяки такому використання систем відеоспостереження, значно знижується можливість виникнення небезпечних для життя людини ситуація.
У зв'язку з цим, можна зробити висновок, що це одне з найефективніших технічних засобів забезпечення безпеки, що дозволяють оперативно зафіксувати факт вчинення того чи іншого протиправного діяння.
АКТУАЛЬНІСТЬ ТЕМИ
На поточний момент існує безліч різних методів і алгоритмів, які дозволяють обробити зображення і отримати інформацію про присутніх на ній осіб. Для вибору оптимального рішення в умовах задачі розпізнавання осіб.
Розпізнавання осіб – завдання, яке людина виконує без особливих зусиль кілька разів на день. Це одна з ключових біометричних технологій. Розпізнавання осіб має ряд переваг перед іншими біометричними технологіями: це природність, доступність і простота у використанні. Виходячи з цього, питання поліпшення і модернізації даного типу систем розпізнавання є актуальним.
МЕТА І ЗАВДАННЯ ДОСЛІДЖЕННЯ
Мета даної роботи – підвищити рівень безпеки шляхом інтеграції ідентифікації особистості і за допомогою портретної експертизи в Системи відеоспостереження.
Для цього необхідно : дослідити предметну область, проаналізувати існуючі методи рішення подібних завдань, виділити їх переваги і недоліки, вибрати найбільш перспективні методи вирішення для даного завдання, проаналізувати результати їх застосування і вибрати найкращий з них.
Сформований ряд завдань для досягнення поставленої мети:
- Обгрунтування і вибір алгоритмів визначення і захоплення особи.
- Обґрунтування і вибір методів розпізнавання обличчя.
- Проектування системи і засобів отримання та зберігання відеоматеріалів.
- Реалізація системи, апробація та аналіз отриманих результатів.
Завдання ідентифікації особистості є досить складною, особливо для завдань без обмежень, коли точку огляду, освітлення, вираз обличчя, загородження, аксесуари і т. д. можуть істотно змінюватися. Особа, як тривимірний об'єкт, має бути ідентифіковано на основі його двовимірного зображення. При цьому зображення обличчя може змінюватися при зміні освітлення, пози, вирази і т. д. Типова система розпізнавання осіб складається з чотирьох етапів:
- визначення та захоплення осіб.
- Вирівнювання Передобробка зображення.
- Вилучення ознак. Зменшення обсягу даних без втрати інформації.
- Розпізнавання. Порівняння ключових ознак.
Результати завдання розпізнавання осіб значно залежать від ознак і методів класифікації. Подання у вигляді таблиці даного завдання.
| Завдання | дані | Результат |
|---|---|---|
| Виявлення | Зображення | Винесення рішення про наявність (і можливо про кількість) осіб на зображенні, визначення їх положення |
| Розпізнавання | Фрагмент з одним обличчям | Кандидати з наявної бази даних, ключові ознаки яких наближені до даних поточного фрагмента. |
При побудові автоматичної системи виявлення осіб необхідно враховувати такі особливості, що ускладнюють завдання:
- Сильно варіюючий зовнішній вигляд обличчя у різних людей;
- Невелика зміна орієнтації особи тягне за собою серйозну зміну зображення особи;
- Можлива присутність індивідуальних особливостей істотно ускладнює автоматичне розпізнавання;
- Зміна виразу обличчя;
- Частина обличчя може бути невидима на зображенні;
- Зміна умов зйомки значною мірою впливають на зображення обличчя, що виходить;
Аналіз методів розпізнавання осіб.
Практично всі методи засновані на використанні локальних або глобальних ознак осіб. При використанні
локальних ознак, алгоритм виділяє окремі частини обличчя (такі як очі, ніс, рот і ін.) і вже по них виділяє
або розпізнає обличчя. При використанні ж глобальних ознак, алгоритм оперує всією особою в цілому.
Методи, засновані на локальних ознаках, так чи інакше, локалізують характерні ділянки осіб і вже на їх основі виконують подальшу обробку. Недоліки даної групи в наступному:
- погано розпізнають інваріантності;
- складні математичні обчислення;
Популярними представниками даних методів є метод порівняння еластичних графів і нейронні мережі.
До методів, заснованих на глобальних ознаках, відносяться лінійний дискримінантний аналіз, метод головних компонент, незалежний факторний аналіз. Основа всіх методів базуються на аналізі глобальних ознак полягає в тому, щоб побудувати якесь розбиття багатовимірного простору, розділивши області, що належать різним людям. Це дозволить визначити, до якого з N класів образів належить нове зображення, тобто який з N осіб зображений на ньому. До них відносяться:
- лінійний дискримінантний аналіз (ЛДА);
- метод головних компонент;
- загальні дискримінантні вектора (ОВД);
| Метод | Точність розпізнавання | Вплив міміки на точність розпізнавання | Час розпізнавання | Обчислювальна складність |
|---|---|---|---|---|
| Гнучкого порівняння на графах | ~90% | низький | ++ | ++ |
| Головних компонент | ~90% | високе | + | + |
| Нейронні мережі | >90% | низький | + | + |
| Виолы-Джонса | >90% | низький | + | + |
Увраховуючи вищевикладене, видається, що перспективним може бути створення гібридних методів, використовують переваги і нівелюють недоліки розглянутих вище різних приватних підходів. Одним з варіантів такого гібриду є використання методу Віола-Джонса для розпізнавання присутніх осіб в кадрі, а даний метод відноситься до класу методів, що базуються на моделюванні зображення осіб. Використовуючи даний алгоритм, підсистема буде отримувати фрагменти зображення, які містять виключно набір осіб. Після чого виконується завдання розпізнавання, для якої доцільно використовувати метод головних компонент.
ВИСНОВОК
На основі отриманої інформації запропоновано рішення, яке комбінує використання методу Віола-Джонса для визначення осіб в кадрі, так як цей метод має високу швидкість розпізнавання і низьку вірогідність помилкового спрацьовування. В якості методу розпізнавання пропонується використовувати метод головних компонент.
Дане рішення засноване на тому, що для більшості сучасних систем автоматичного розпізнавання осіб основної завданням є завдання порівняння заданого зображення з набором зображень осіб з бази даних. Характеристика систем автоматичного розпізнавання осіб у цьому випадку оцінюються шляхом визначення ймовірностей помилкової відмови у розпізнаванні і помилкового розпізнавання. І запропонований варіант вирішує ці основні завдання, так як він дозволяє зберігати в зручному форматі інформацію (набір ознак), а також має можливість швидко і точно визначати наявність осіб в кадрі за допомогою використання каскаду ознак.
Напрямком подальших досліджень є завдання вибору найбільш відповідного кадру з відеопотоку для подальшої його обробки.
ЗАУВАЖЕННЯ
На момент написання даного реферату магістерська робота ще не завершена. Передбачувана дата завершення: травень 2019 р. Повний текст роботи, а також матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.
ДЖЕРЕЛА
- Елистратов С.А., Козлова Ю.Б. Интеллектуальные системы распознавания образов: современное состояние и проблемы реализации // Решетневские чтения. 2017. №21–2. URL: ttps://cyberleninka.ru/article/n/intellektualnye...
- Веб-камера, Node.js и OpenCV: делаем систему распознавания лиц [Электронный ресурс]. URL: https://habrahabr.ru/company/ruvds/blog/335770/
- Программа Deepface – определяет лица почти как живой человек [Электронный ресурс]. URL: http://www.sciencedebate2008.com/deepface-defines-a-personas-a-living-person/
- Распознаем лица на фото с помощью Python и OpenCV [Электронный ресурс]. URL: https://habrahabr.ru/post/301096/
- Распознавание образов [Электронный ресурс]. URL: http://ai-news.ru/raspoznavanieobrazov.html
- TensorFlow [Электронный ресурс]. URL: https://www.tensorflow.org/
- Забашта А.Ю., Хохлов С.А., Скоритокова С.А. Анализ существующих алгоритмов распознавания лиц. //Серия: Естественные и технические науки №7–8 – август 2017 http://www.vipstd.ru/index.php/
- Колесник А. В., Ладыженский Ю. В. Распределенная система распознавания лиц на основе геометрических характеристи//Персональный сайт на портале магистров ДонНТУ, 2010 г. URL: http://masters.donntu.ru/2010/fknt/kolesnik/library/index.htm.
- Новостной портал Zoom URL: http://zoom.cnews.ru/soft/news/top/2016-09-05_rossijskaya_tehnologiya_raspoznavaniya_lits_okazalas.
- Find Face [Электронный ресурс]. URL: https://ru.wikipedia.org/wiki/FindFace.