VI Международная студенческая научная конференция Студенческий научный форум - 2014

Проблема создания систем искусственного интеллекта является перспективной на данном этапе развития технологий. Отмечается особый интерес к системам автоматического анализа, позволяющим идентифицировать личность человека по изображению его лица. Данной проблеме уделяется повышенное внимание в связи с необходимостью создания систем мгновенного определения личности человека и беспарольных систем контроля доступа. Среди аналогичных систем следует отметить такие, которые основаны на анализе сетчатки глаза либо дактилоскопическом анализе. Но данные системы имеют ряд недостатков, по сравнению с вышеупомянутыми. Один из недостатков – необходимость создания специального оборудования, для получения необходимых данных.

С первого взгляда задача автоматизации идентификации по изображению лица кажется довольно простой. Но, на самом деле, она связанна с глубинными проблемами распознавания образов и искусственного интеллекта. Задачу компьютерной идентификации человека относят к разряду плохо формализуемых. Такие задачи требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний [1]. По этой причине, не смотря на пристальное внимание исследователей к данной задаче, она все еще остается далекой от своего решения.

Обычно, процесс распознавания лиц состоит из таких двух этапов, как поиск на изображении области лица и сравнение найденного лица с лицами, которые содержатся в базе данных. С недавнего времени стали широко использовать методы обработки данных, основанные на вейвлет-преобразованиях. Оно показало свою эффективность при решении широкого класса задач, которые связаны с цифровой обработкой изображения.

Вейвлет-преобразование используют для получения характеристик изображения. Данный метод применяют, и довольно успешно, для сравнения компонент, характеризующих цветные изображения, с компонентами, описывающими неизвестные изображения. Коэффициенты вейвлет-преобразования несут в себе информацию об анализируемом процессе и о том, какой вейвлет используется. В зависимости от того, какую информацию необходимо извлечь из процесса, делается выбор анализирующего вейвлета. Иногда, используя разные вейвлеты, можно полнее выявить и подчеркнуть те или иные свойства анализируемого процесса. Это возможно благодаря тому, что каждый вейвлет имеет характерные особенности во временной и частотной областях.

Большой вклад в развитие теории вэйвлетов внесли Мейер, Чуи, До-беши, Малла и прочие. На рис. 1 представлены результаты применения вейвлет-преобразований Хаара и Добеши для извлечения признаков изображения лица [2]. Одним из первых и наиболее простых вейвлетов является вейвлет Хаара. Данные вейвлеты ортоональны, обладают компактным носителем, хорошо локализованы в пространстве, но не являются гладкими. Ирвинг Добеши стала развивать теорию ортогональных вейвлетов и предложила использовать функции, вычисляемые итерационным путем. Впоследствии их назвали вейвлетами Добеши. В отличие от вейвлетов Хаара, вейвлеты Добеши не обладают свойствами симметрии.

а б

Рис. 1. Пример извлечения признаков лица: а) исходное

изображение лица; б) результат после применения

вейвлет-преобразования

Рассмотренные вейвлеты являются лишь малой частью от того множества вейвлетов, которые были предложены исследователями. Это сигнализирует о том, что работы в данном направлении ведутся по сей день. Потому как не создана оптимальная модель, которая позволяет идентифицировать личность по изображению лица, а лишь накоплен огромный опыт эвристического решения отдельно стоящих задач. Необходимо стремиться к созданию надежной и уверенной модели, потому как предпосылки для создания такой модели в будущем можно наблюдать уже сегодня.

Перечень ссылок:

1. Самообучающиеся системы//http://gendocs.ru/v32756/%D1%81

%D0%B0%D0%BC%D0%BE%D0%BE%D0%B1%D1%83%D1%87%D0%B0%D1%8E%D1%89%D0%B8%D0%B5%D1%81%D1%8F_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B(11.12.2013).

1. Буй Тхи Тху Чанг, Фан Нгок Хоанг, В.Г. Спицын распознавание лиц на основе применения метода Виолы–Джонса, вейвлет преобразования и метода главных компонент// Известия Томского политехнического университета. 2012. Т. 320. № 5

2. The Wavelet Tutorial//http://users.rowan.edu

/~polikar/WAVELETS/WTtutorial.html(дата обращения: 5.12.2013).

Код для цитирования: Скопировать