що надають розробнику вбудовувати можливості розпізнавання облич у власне ПО. Також були вивчені вимоги стандартів у галузі біометрії і обмеження існуючих алгоритмів розпізнавання осіб. Роботи проводилися на базі ФГУП НДІ «Квант».
Були проаналізовані результати Face Recognition Vendor Test (FRVT) 2010? всебічного тесту комерційних засобів розпізнавання осіб, проведеного Національним інститутом стандартизації США. Даний тест в даний час не має аналогів за кількістю досліджуваних характеристик і щодо розвитку науково-методологічної бази, що лежить в його основі, а також за обсягами використовувалися тестових вибірок. У тестуванні в тому числі брало участь і показало високі результати ПО Cognitec FaceVACS, на базі якого ФГУП «НДІ« Квант »були побудовані програмні засоби розпізнавання і відстеження осіб у відеопотоці. ПО Cognitec FaceVACS здатне забезпечити відстеження і розпізнавання осіб в відеопослідовність в реальному часі.
Для вільно распространяімих засобів, таких, наприклад, як OpenCV, дослідження показали їх недостатню точність при роботі з великою вибіркою осіб і складними умовами реєстрації особи.
2.3 Розробка алгоритмів і методів динамічного відстеження осіб
На рис. 2.2 наведена загальна схема алгоритму функціонування системи динамічного відстеження осіб. На першому етапі виконують підготовку галереї відомих персон. Дана галерея містить обличчя людей, які повинні бути відомі системі. Кожне зображення людини з галереї перетворять в спеціальне подання, відповідне методам розпізнавання, реалізованим в системі. Такими уявленнями можуть бути, наприклад, вектор головних компонент, побудованих по зображенню особи, граф, у вершинах якого знаходяться особливі точки особи (куточки очей і рота, крила і кінчик носа і т.п.). До заданої поданням потім перетворюють кожне вхідне зображення перед проведенням класифікації. На наступному етапі виконують виявлення обличчя на зображенні, що представляє одного з людей, що знаходяться в галереї. Для цього може бути використаний будь-який алгоритм детектування особи. У самому простому випадку координати особи можуть бути задані користувачем. Далі здійснюють сегментацію виявленого регіону, після чого виконують його предобработку. У загальному випадку даний етап включає в себе нормалізацію, масштабування регіону, вирівнювання його, наприклад, відповідно до положення очей і т.п. Метою предобработки є зменшення впливу умов зйомки (наприклад, освітлення), в яких були отримані аналізовані зображення, а також ракурсу і орієнтації представлених осіб на якість розпізнавання. Останні етапи виконують для кожного зображення, що формує навчальну вибірку. Наступний блок здійснює аналогічні дії з виявлення, сегментації і передобробці для зображень, що містять обличчя людей, які ніколи не будуть перевірятися системою. Подібне безліч можна побудувати, наприклад, шляхом штучної генерації зображення обличчя з двох або більше осіб реальних людей. Для отримання кількісної оцінки ступеня схожості тестового і відомої особи використовується міра схожості, що оперує обраним представленням зображення особи.
На наступному етапі виконується побудова кінцевого правила розпізнавання. У загальному випадку для підвищення стійкості в системі класифікації можуть бути реалізовані кілька заходів схожості. Після цього етапу система розпізнавання є налаштованої і готова до обробки тестових зображень. В режимі функціонування на вхід системи надходить зображення, що містить обличчя людини, яку необхідно розпізнати. У цьому випадку завданням системи є проведення ідентифікації особи на вхідному зображенні, тобто визначення, чи належить воно кому-небудь з галереї відомих персон, і якщо так, то кому саме. Для цього виконується серія порівнянь вхідного особи з кожною особою з галереї і приймається рішення, до якого з них воно ближче відповідно до побудованим правилом розпізнавання. Крім тестового, на вхід також може бути подано друге зображення, тоді завданням системи є оцінити схожість двох осіб, тобто належать вони одному і тому ж людині. Для цих цілей система виконує аналогічні дії з виявлення, сегментації і передобробці тестового зображення і, якщо необхідно, другий вхідного зображення. Після чого проводить класифікацію за допомогою побудованого раніше правила розпізнавання.
Рис.2.2 Алгоритм динамічного відстеження осіб
Далі починається процес динамічного розпізнавання осіб на даному відеофрагменті, який попередньо розділяється на послідовність кадрів. Спочатку відбувається розпізнавання особи на першому кадрі. На наступному кадрі пошук особи починається з його позиції на попередньому кадрі і пошуку околиці. Далі вибирається положення (частина кадру), максимізуючи схожість двох кадрів. І все повторюється д...
