Регистрация / Вход
Прислать материал

Создание прототипа системы распознавания образов

Сведения об участнике
ФИО
Явтушенко Евгения Дмитриевна
Вуз
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Челябинский государственный университет"
Тезисы (информация о проекте)
Область наук
Информационные технологии и вычислительные системы
Раздел области наук
Информационные технологии
Тема
Создание прототипа системы распознавания образов
Резюме
В ходе проекта был построен и протестирован прототип системы распознавания по лицу. Для этого с помощью библиотеки OpenCV языка С++ были реализованы следующие функции: детектирование лица на изображении, полученном с камеры; выделение основных признаков, обучение алгоритма на определённых данных и создание базовых шаблонов; сравнение признаков входного изображения с эталонами. В результате работы было предложено использовать алгоритм локальных бинарных шаблонов в совокупности с методом Template Matching. Тестирование производилось с Web камеры компьютера. Проведённые испытания показали, что система при определённых условиях может применяться на практике.
Ключевые слова
Детектирование, распознавание , идентификация, компьютерное зрение, биометрические системы
Цели и задачи
Целью проекта является создание прототипа системы распознавания образов с использованием библиотеки OpenCV.
Задачи:
Рассмотреть существующие алгоритмы детектирования образов на изображении;
Протестировать некоторые из них с помощью библиотеки OpenCV;
Изучить алгоритмы, позволяющие вычислять признаки локализованного образа;
Реализовать нескольких выбранных алгоритмов на практике, сравнить вероятности ошибки;
На основе полученных сведений построить прототип системы распознавания.
Введение

 

В данной работе используется идентификация человека по изображению лица. Этот способ признан наиболее приемлемым для массового применения, так как  не требует физического контакта с устройством, может обладать высокой надёжностью и скоростью. Эта технология обеспечивает дополнительный уровень защиты особо важных помещений или информационных ресурсов с минимальными финансовыми затратами. Поиск человека в базе данных по фотопортретам, автоматизированный контроль удостоверений личности играют важную роль для большинства учреждений, предприятий или правоохранительных органов. 

 

 

Методы и материалы

В результате исследования различных методов детектирования лица для прототипа был выбран алгоритм Виолы Джонса, основанный на признаках Хаара. В настоящее время он является одним из самых эффективных методов для поиска области лица на изображении в силу своей высокой скорости и точности. Среди существующих методов распознавания для исследования  были выбраны следующие  алгоритмы : Eigenfaces (метод главных компонент), Fisherfaces, локальные бинарные шаблоны.  В дальнейшем был дополнительно применён метод Template Matching (сравнение шаблона).  Этот способ позволяет обеспечить санкционированный вход в организацию или доступ к информационным ресурсам с использованием некого символа-шаблона или изображения, которым может являться документ (пропуск). В данном прототипе системы распознавания был использован студенческий билет, фотография с которого считывалась с помощью Web камеры монитора и сравнивалась с изображениями в базе данных. В реальный условиях могут быть использованы специальные сканирующие устройства. Также существует возможность  считывания другой информации в документе (сравнение шаблонов печати, подписи). Сравнение эффективности методов проводилось на основе вычисления ошибок первого и второго рода. 

 

Описание и обсуждение результатов

В данной работе  был построен и протестирован прототип системы распознавания по лицу для трёх алгоритмов: Eigenfaces (метод главных компонент), Fisherfaces, локальные бинарные шаблоны.  Для этого с помощью библиотеки OpenCV были реализованы следующие  функции: детектирование лица на изображении, полученном с камеры; выделение основных признаков, обучение алгоритма на определённых данных и создание базовых шаблонов;  сравнение признаков входного изображения с эталонами. В качестве метода детектирования лица был выбран алгоритм Виолы Джонса, основанный на признаках Хаара. Сравнение эффективности методов проводилось на основе вычисления ошибок первого и второго рода.

Первоначальное тестирование проводилось на стандартной базе данных которая содержит 10 изображений 40  людей с различным выражением лица.  Фотографии сделаны при одинаковом освещении и на одинаковом фоне. Результаты приведены в таблице 1. Метод  Eigenfaces распознаёт лицо, не находящееся в базе, в одном из десяти случаев. Все остальные методы работают без ошибок. Это означает, что при идеальных световых условиях и отсутствии внешних помех определение объектов по лицу может обладать высоким качеством.

Таблица 1

 

Частота ошибки

«не пропустить своего» (%)

Частота ошибки

«пропустить чужого» (%)

Eigenfaces

0

10

Fisherfaces

0

0

Local Binary Patterns

0

0

 

В дальнейшем была создана база данных, состоящая из десяти изображений десяти людей. Фотографии были сделаны при помощи Web камеры ноутбука при разном освещении. Тестирование также проводилось в разных световых условиях. результаты приведены в таблице.

Таблица 2

 

Частота ошибки

«не пропустить своего» (%)

 

Частота ошибки

«пропустить чужого» (%)

 

Eigenfaces

20

40

Fisherfaces

10

30

Local Binary Patterns

10

20

 

Самую низкую частоту ошибки "пропустить чужого" показал метод локальных бинарных шаблонов.     Для него было рассчитано оптимальное значение порога  (110) как пересечение ошибок первого и второго рода (рис. 1)

Рисунок 1. Оптимальное значение порога для алгоритма локальных бинарных шаблонов

 Для уменьшения вероятности ошибки идентификации было решено использовать данный алгоритм в совокупности с методом сравнения шаблонов (Template Matching). При тестировании выявлено, что таким образом вероятность ошибки второго рода уменьшается до 10%, так как вводится дополнительная проверка. 

В результае работы над проектом был построен прототип системы распознавания образов. На первом этапе происходит поиск человека в кадре (детектирование), затем осуществляется сравнение изображения его лица с образами в базе. При наличии лица в базе под определённой меткой система предлагает предъявить пропускной документ (если документ не предъявлен, пропуск лица не осуществляется).  Камера считывает изображение с документа, сравнивает его с шаблоном, который соответствует идентифицированному лицу в базе. При положительном результате осуществляется пропуск лица. 

 

 

Используемые источники
1. Л. Шапиро, Дж. Стокман. Компьютерное зрение = Computer Vision. — М.: Бином. Лаборатория знаний, 2011. — 752 с.
2. Ю. И. Лебеденко Биометрические системы безопасности. [Электронный ресурс] Режим доступа:

http://readrate.com/rus/books/biometricheskie-sistemy-bezopasnosti (дата обращения: 09.03.2016).
3. Щеглов А.Ю. Идентификация и аутентификация пользователей.
[Электронный ресурс] Режим доступа: http://www.security-bridge.com/biblioteka/knigi_po_bezopasnosti/identifikaciya/ (дата обращения: 11.05.2016).
4. Форсайт Дэвид А., Понс Джин. Компьютерное зрение. Современный подход = Computer Vision: A Modern Approach. — М.: Вильямс, 2004. — 928 с.
5. Фомин Я. А. Распознавание образов: теория и применения. — 2-е изд. — М.: ФАЗИС, 2014. — 429 с.

Information about the project
Surname Name
Yavtushenko Evgeniya
Project title
The construction of prototype pattern recognition system
Summary of the project
This project presents a prototype of the face recognition system. We used the OpenCV library (C++) to implement following functions: the detection of faces in an image obtained from the camera; the allocation of the main features; the training algorithm on certain data and the creation of basic patterns; comparing the input image with the features standards. As a result, we propose to use algorithm based on local binary patterns in common with the Template Matching method. Testing was performed with a computer Web camera. Tests have shown that the system can be applied in practice with certain conditions.

Keywords
recognition, detection, identification, computer vision, biometric systems