ого повороту щодо камери, наприклад, боком або спиною.
Розпізнавання людини по зображенню особи виділяється серед біометричних систем тим, що, по-перше, не потрібне спеціальне або дороге устаткування. Для більшості додатків досить персонального комп'ютера і звичайної відеокамери. По-друге, не потрібен фізичний контакт з пристроями. Не треба ні до чого торкатися або спеціально зупинятися і чекати спрацьовування системи. У більшості випадків достатньо просто пройти повз або затриматися перед камерою на невеликий час. До недоліків розпізнавання людини по зображенню особи слід віднести те, що сама по собі така система не забезпечує 100% -ої надійності ідентифікації. Там, де потрібна висока надійність, застосовують комбінування декількох біометричних методів.
В даний час активно розвиваються біометричні технології.
Їх метою є розробка автоматизованих систем ідентифікації людини на основі біометричних ознак: відбитків пальців, характеристик голосу і мови, малюнка райдужної оболонки ока, зображення обличчя. Це пов'язано з тим фактом, що на даний момент основною перешкодою для подальшого розвитку інформаційних середовищ, різного роду віртуальних сервісів і т.п. є проблема надійної ідентифікації (верифікації) користувача. Очікується, що застосування подібних систем істотно зменшить кількість злочинів, пов'язаних з несанкціонованим доступом, в тому числі і в комп'ютерних мережах, причому саме технологія ідентифікації людини на основі зображень облич визнана найбільш прийнятною для масового застосування, так як вона не вимагає фізичного контакту з пристроєм, ненав'язлива, природна і, в потенціалі, може володіти високою надійністю і швидкістю. Пошук в базах даних по фотопортрет людини, автоматизований контроль посвідчень особи особливо актуальні для правоохоронних органів більшості країн у контексті збільшення кількості терористичних актів та кримінальних злочинів на тлі підвищення загальної мобільності населення. [1]
Глава 1. Огляд літератури та постановка завдання
.1 Постановка завдання
Основним завданням дипломного проекту є розробка алгоритмічного забезпечення для динамічного відстеження осіб у відеопослідовність. Є два шляхи вирішення цього завдання. Перший заснований на тому, що на кожному окремому кадрі виробляється розпізнавання заданого особи.
Другий шлях полягає в розпізнаванні особи, як об'єкта, і надалі його відстеженні на всій послідовності кадрів. Перевага цього варіанта в тому, що при такому рішенні задачі можна розпізнати людину, навіть якщо він повернувся спиною. У даній роботі будуть об'єднані гідності методів обох класів.
Також, потрібно протестувати отриманий алгоритм на працездатність і оцінити результати.
1.2 Існуючі алгоритми і методи
1.2.1 Алгоритми та методи визначення об'єктів в відеопослідовність
Цифрове зображення, одержуване відеокамерою в момент часу t і має по вертикалі h, а по горизонталі w пікселів, позначимо It (h, w). Відео-потік - це послідовність цифрових зображень (кадрів) It (h, w), It + 1 (h, w), ..., It + k (h, w). Під прямокутною областю інтересів Obt (X, Y) розуміється безліч пікселів цифрового зображення It (h, w), які окреслюють шуканий об'єкт, що містить X пікселів по вертикалі і Y по горизонталі. Виявленням об'єкта називається виділення області інтересів Obt (X, Y) на цифровому зображенні It (h, w) в момент часу t. Під виявленням об'єкта в реальному часі розуміється обробка відеопотоку з частотою не менше 10 кадрів в секунду. Навчанням називається попередня настройка і завдання параметрів методу для виявлення об'єкта, що цікавить. Навчання може виконуватися на основі навчальної вибірки, що складається з одного або декількох навчальних зображень.
Під навчальним цифровим зображенням розуміється зображення It (h, w) з додатковою інформацією про наявність або відсутність на ньому шуканого об'єкта. Навчальне зображення називається позитивним, якщо воно містить об'єкт, який потрібно виявити. В іншому випадку навчальне зображення називається негативним.
На сьогоднішній день існують різні методи виявлення об'єктів на цифровому зображенні It (h, w): каскадний класифікатор Віоли і Джонса, узагальнене перетворення Хафа, метод Капура-Вінна та інші. Проте методи виявлення об'єкта, що мають високі показники надійності і стійкості, вимагають значних часових і машинних ресурсів для навчання на нових об'єктах.
Методи виявлення об'єкта на цифровому зображенні It (h, w), за способом віднесення ділянки зображення до області інтересів Obt (X, Y), можна розділити на дві великі групи: узагальнюючі (generative) і различающие ( discriminative). ...
