A szerkezet az emberi rendszer azonosító arckép
arckép
Nikitenko EV, PhD. Sci. Sciences,
Silichenko AI, egyetemi
Csernyihivi Állami Műszaki Egyetem, Kiev, Ukrajna
Úgy tervezték, struktúra személy azonosító rendszer által arckép, amely elvégzi az arcfelismerés, a kiválasztás és antropometriai pont közvetlenül a válasz azonosító alapján különböző algoritmusokat, amelyek kombinációja javíthatja a pontosságot a azonosítási eredmény.
A probléma azonosítása emberi arckép egyik legbonyolultabb típusú biometrikus azonosítás, mivel a legtöbb köze a korlátozott információ tartalma a képek, és igen elterjedt az összehasonlíthatóság hiánya miatt az idő különbség, a különbség a felvételi körülmények, stb Ez a tény lehetetlenné teszi, hogy használja a teljes arzenál technikák és módszerek az ilyen típusú biometrikus azonosítás.
Azonosítás megoldás tekinthető a legnehezebb az alábbi okok miatt:
a) a rendszer, mint a szabály, soha szembe a kép a személy;
b) a rendszer összehasonlítja a kép mindig más. Még létrehozása optimális feltételeket összehasonlítás (világítás, kameraállás, arckifejezések) képek mindig eltérnek egymástól, figyelembe véve az összes lehetséges eltéréseket a folyamat előre konfiguráció a rendszer rendkívül nehéz;
c) összehasonlítjuk a kép nagy mértékben eltérnek egymástól tekintetében az átvétel időpontjában (életkor, kozmetikai és egyéb ilyen változások is jelentős negatív hatással van a minőségi azonosítás).
Modern arcfelismerő rendszerek nagy százalékban elismerést és használható beléptető szintjének növelésére hozzáférés-szabályozás létesítmények magas követelményeket támaszt a biztonsági rendszerek, mint például a bankok, vagy érzékeny felszerelés.
Használata arcfelismerő rendszer fontos a kereskedelmi vállalkozások és a szórakozási lehetőségektől. Üzletek, áruházak, benzinkutak, klubok, éttermek, kávézók - minden részvény egy dolog: a vágy, hogy a legnagyobb nyereség, ami szükséges javítani a minőségi ügyfélszolgálat és megvédeni a látogatók. Számukra fontos, hogy korlátozza a hozzáférést az emberek, akik az egyik vagy másik ok miatt nem kívánatos ebben az intézményben, és éppen ellenkezőleg, hogy előre tudják az érkezését törzsvásárló vagy VIP-személy, egy magasabb szintű kiszolgálására is.
Elemzés a legújabb kutatások és publikációk
Klasszikus arcfelismerő rendszer alapuló módszerek középpontjában a külső egészére: PCA (Principal Component Analysis) [1], az ICA (Independent Component Analysis) [2], és LDA (lineáris diszkrimináns analízis) [3]. [4] alkalmazását ismerteti SZITÁL-szintleírással arcfelismerés, de megoldást kínál személy azonosítására. Az [5] javasolt kombinációja deszkriptorok és PCA SIFT: PCA felismeréséhez kerül felhasználásra a szem, az orr és a száj, és leírja a terület körül a külső talált elemek segítségével SIFT. Végül, a [6] azt javasolják, hogy a távolság kiszámításához közötti pár képet egyaránt jellemzők és használjuk mérceként közelség legkisebb közülük. Bizonyos esetekben, kizárólag azokat jellemzőket, amelyek leírják a helyzet a szem és a száj, mivel ezek az elemek a külső a leginkább informatív.
Alternatív módszerek, orientált a külső egészét, azok a módszerek, a helyi leírása után. Ilyen módszerek vannak jelenleg kitéve aktív kutatási területén arcfelismerés. A [7], az algoritmus által leírt ASM (Aktív Alak modellek - aktív alakja modell). A cél az algoritmus - állítsa be a forma modell a tárgy alakját a képben. ASM sikeresen használják széles körben alkalmazható, beleértve a meghatározása a forma szervek orvosi képek, arcfelismerés és a kézírás.
A mai napig a leghatékonyabb algoritmus megtalálása arcokat a képen az algoritmus által javasolt P. Viola és M. Jones [8]. Azt javasolták, egy osztályozási módszert tárgyak (nem csak az egyének) alapján a módszer az erősítés a gyenge osztályozók. Erősítése gyenge osztályozók - a megközelítés, hogy a besorolás problémamegoldás kombinálásával primitív osztályozás egyetlen erősebb. P. Viola és M. Jones épített egy kaszkád gyenge osztályozók elven működő egymást követő közelítés. Cascade több szintből áll, minden egyes szakaszában - több egyszerű osztályozók. Ha úgy dönt, hogy lépést a funkciót vektor osztályába tartozik a kívánt objektumot, majd a pozitív döntés csak akkor, ha az összes lépést a kaszkád nyer, egyébként a jellemző vektort besorolt neiskomy objektumot. Ami a működés valós rendszerekben, ez a megközelítés biztosítja a nagy pontosságú, magas szintű valódi észlelések és az alacsony szintű a második fajta hiba [9].
E könyv célja, hogy olyan személy azonosító rendszer felépítése, amely a feladatának azonosító alapján választ a különböző algoritmusok. A leképezés egy ismeretlen személy az egyik rendszert kell elvégezni alapuló kölcsönös elrendezése arc antropometriai pontokat.
A generalizált diagram biometrikus azonosítás
Az egyik általános végrehajtása biometrikus azonosítási rendszer látható az 1. ábrán látható az 1. ábrán, két fázisú működése biometrikus rendszerek: nyilvántartási és azonosítási. Az ilyen rendszerekben a leggyakrabban végzett az azonosítási eljárás. Meg kell jegyezni, hogy működés közben a rendszer lehet kapcsolni, hogy a regisztrációs fázis hozzátéve új tagokat.
Az összehasonlítás eljárás összehasonlítja a kapott jellemzőinek és tulajdonságainak funkcióit az adatbázisban. Jellemzően az ilyen rendszerek megoldotta a problémát a keresést a kép leginkább ehhez hasonló nagyméretű képet tárol. Ez a tendencia jellemzi a magas követelményeket támaszt a hibákat az első fajta - a rendszer megtalálja a megfelelő képeket a jelen, ne hagyja ki, senki sem nagyon hasonló funkciókat. Így tartják elfogadhatónak, ha a mintában jelen lévő több, mint egy kép a meghatározás szerint hasonló az adatokat.
Ábra. 1. általános sémát működő biometrikus módszerrel
A minimalizálás elve az időtartam képfeldolgozás valósul tárolja egy adatbázisban kis készlet előre kivont legfontosabb jellemzői az adatok, a legtöbb jellemző minden képet.
Biometrikus rendszerek általában működik az ingyenes keresési mód, a zsúfolt nyilvános helyeken (utcák, közlekedés utasegységeket, középületek). A fő cél ezek a rendszerek működési elismerése személyek a körözési listán, és rögzítése a valós idejű mozgását személyek jelentenek potenciális veszélyt a nyilvánosság, vagy a kiválasztott bármely más szempont.
Az ilyen rendszerekben általában van egy történő tárolásának lehetősége egy adatbázis több mint egy kép minden egyes konkrét egyedi, kapott különböző körülmények között (megvilágítási szög, arckifejezés, frizura, poharak, és jelenléte fejvédő, stb).
Fejlesztési sistemyidentifikatsii arckép
A szerkezet a kifejlesztett rendszer modulokból állnak (2. ábra). A moduláris rendszer lehetővé teszi, hogy nem túl nagy nehézséget, hogy cserélje ki a végrehajtás egy adott algoritmust vagy teljesen a végrehajtását egy algoritmus teljesen más, anélkül, hogy jelentős változások a szerkezetben a rendszer egészére. Ez a funkció az emberi azonosító rendszerek arc kép is kell, mert minden a rendszereket, amelyek arcfelismeréshez, gyakran használják a különböző körülmények között, és a legjobb eredmény, meghatározott feltételek, akkor ki kell cserélni minden eleme a rendszernek megfelelőbb.
Ábra. 2. ábra a rendszer komponensei
azonosító alrendszer (Álló azonosítás) szolgál közötti kapcsolat az összes alkatrészt, és tartalmazza a lényege az egész rendszert. Ahhoz, hogy kölcsönhatásba lépnek a felismerés alrendszer az alrendszer jelen kell lennie azonosító modul kölcsönhatás a felismerés alrendszert (kép receiver), amely felelős a kép megszerzése, és átadják további feldolgozásra. Miután a kapcsolat létesítése képvevőt feldolgozza a beérkező információkat abból a felismerésből alrendszer: az egész kép vagy személy található. Típusától függően, a kép akár azonnal át az azonosító az eredmények feldolgozásának alrendszer, ha az a keret, vagy a normalizáció modulban ha ez egy arcképet.
A következő lépés a fejlődés a rendszer a modul normalizálása az arc kép (normalizáló). A legtöbb esetben a kép, hogy egyszerűsítse a feldolgozás, ha a szín alakítjuk szürkeárnyalatossá. Továbbá, ez a modulnak, hogy normalizálja a fényerőt és a kontrasztot a kép, a kiválasztás a legalkalmasabb dinamikus tartomány pontosabb kiválasztást ellenőrzési pontok. A normalizált arcképből át az alrendszer kiválasztási antropometriai pontokat.
Az alrendszer kiválasztása antropometriai pontok (Points kereső adapter) javasolta, hogy használják ASM algoritmus. végrehajtani egy külső könyvtár (Points kereső). Az algoritmus ASM modell aktív formák - egy statisztikai modell, amely iteratív deformálódnak, hogy illeszkedjen a tárgy a képen, és tagjai alakú modellek ellenőrzött alapértékeket és a terjesztési modellt a régió környező minden pontjában. Alakja modell és terjesztési modellt képzett a teszt képeket jelzett helyeken legfontosabb pontokat. Az algoritmus a „durva-finom” keresés, szükséges, hogy a vonat a különböző modellek forgalmazása minden lényeg, az egyik modell minden szintjén a kép felbontását. A keresés kezdődik a képet a legdurvább (alacsony) felbontás, akkor a keresési folyamat, a képfelbontás növeljük, ameddig lehet javítani a helyzetét legfontosabb pontokat. Ennek eredményeként a ASM algoritmus kerül kialakításra, amely több pontból megfelelő pontok az arc és annak főbb elemeit mutatja be egy képet.
A kiválasztott antropometriai pontok egy tömbjét átadják a funkciókivonónak. Az azonosítási jellemzők tekintetében a megjelenési elemek viszonylag változatlan jellemzőit, amelyek viszonylag változatlanok az azonosítási időszakban, ki kell osztani. A jelek bevezetése bizonyos arcparaméterek kapcsolatában nem teszi szükségessé a kép méretarányát és a távolságot, ahonnan az ember képét veszi. Az arc abszolút értékeinek és méretének használata nem megengedett, mivel a képen lévő összes objektum mérete a fényképezőgép objektívétől való távolságtól függ, amelynek értéke általában nem határozható meg.
A megjelenés mennyiségi jellemzőinek számításánál számos követelménynek teljesülni kell. A méretek arányait line mérésekből kell összeállítani, azonos és megközelítőleg ugyanolyan síkban, mint a kamerához viszonyítva. Miatt lehetetlen pontos meghatározása származó torzulás tetszőleges szögben az arc kép közötti távolság antropometriai pontokat minden jellemző mért csak vízszintesen vagy függőlegesen.
A megjelenés azonosítási szakaszában az Azonosító modul adatbázis-lekérdezések sorozatát végzi el, hogy a regisztrált felhasználók biometrikus portrékát hozzák létre (3. ábra). A feltételek a kép minden egyes alkalommal egy kicsit más, és az a személy megjelenése és nem elég, állandó, szükséges figyelembe venni azt a tényt, hogy valami hiba mindig jelen lesz a pozíciókat a kiválasztott antropometriai pontokat, és rendre aláírja értékeket. Annak érdekében, hogy az említett hiba, meg kell venni a keresésnek értékei eltérnek a értékei a jelölést, és minden kérését, hogy növeljék az eltérés, ha a szám a megtalált felhasználó kevesebb előre.
Ábra. 3. A rendszer működésének sorrendje
Szinte az összes azonosítási algoritmus az ismeretlen és ismert személyek közelségének vagy hasonlóságának bizonyos mértékű összehasonlításán alapul. A közelség inverz méretében az euklideszi távolság a funkciótérben használható. Amennyiben az intézkedés közötti hasonlóság jellemző vektor azonosított személy és a referencia leírását regisztrált felhasználó meghalad egy előre meghatározott számú P. úgy döntött szerint azonosított személy által regisztrált felhasználó. Ha a közelítési intézkedés nem haladja meg a P számot, úgy döntenek, hogy a rendszeradatbázis nem tartalmazza a felismert személy biometrikus portréját. Nyilvánvaló, hogy a P. szám megváltoztatásával lehetővé válik az azonosító rendszer "szigorúságának" szabályozása. Az elismerési rendszerek elméletében ezt a számot néha a döntési küszöbnek nevezik.
Alrendszer azonosítóját eredmények (Display) úgy van kialakítva, hogy végre előre meghatározott intézkedések a fejlesztők, hogy függ a domain alkalmazási rendszer: lehetővé teszi a hozzáférést a számítási erőforrások vagy adat, megnyitva az ajtót a védett területen, indítsa be a motort az autó, figyelmeztetve biztonsági tisztek a megjelenése az elkövető vagy a menedzser a VIP-ügyfelek számára.
Az azonosítási rendszer általánosított felépítése alapján javasoljuk a rendszer felépítését, amelyben a Viola-Jones és az ASM algoritmusait végrehajtó modulokat lefektetik. A biometrikus portrék keresésének problémájának megoldása érdekében javasolt egy módszert a jellemző értékek frissített eltéréseinek használatával, amely lehetővé teszi a keresési eredmények számának szabályozását.
Az irodalmi források listája