X Международная студенческая научная конференция Студенческий научный форум - 2018

Технологии распознавания лиц являются на сегодняшний день одним из наиболее активно развиваемых направлений компьютерного зрения.

Несмотря на то, что рамки использования данных технологий давно вышли за пределы задачи обеспечения безопасности, наибольшую актуальность они все же имеют именно в этой сфере. Хорошо организованная система, использующая распознавание лиц, позволяет качественно решать целый ряд задач — от подсчета уникальных посетителей в торговом заведении до выполнения каждодневных задач органов внутренних дел и силовых структур.

Ввиду постоянно растущей террористической угрозы и общей нестабильности, использование данных технологий становится важной частью решения задач государственной важности.

Говоря о выходе за рамки задач, так же имеется в виду организация автоматизированных пунктов пропуска на предприятиях.

Предприятия газонефтяной промышленности, как правило, крупные и имеют штат сотрудников, исчисляющийся сотнями людей. Основная цель внедрения технологий распознавания лиц заключается в том, чтобы грамотно отслеживать приход и уход сотрудников.

Согласно исследованиям одной компании, которая для данной задачи использовала СКУД (систему контроля и управления доступом), выяснилось, что:

- на объект каждый день проходят люди, не работающие в компании;

- сотрудники могут выйти группой на перекур, возвращается всего один сотрудник со стопкой пропусков группы;

- мимо охраны проходили люди, уже не работающие на предприятии;

- охрана не всегда добросовестно отслеживает нежелательных посетителей.

Таким образом, работу СКУД и охраны можно считать не эффективной, как минимум, не на всех предприятиях. И организация работы через технологии распознавания лиц поможет решить описанные выше проблемы.

Также можно задействовать данные технологии не только для задачи «вход/выход», но и использовать их по всему предприятию. Работа на промышленных предприятиях - работа ответственная. На некоторых «ветках» работы малейшая ошибка может стоить жизни. И не всегда поиски виноватого заканчиваются успешно. Так, при внедрении технологии, к концу предотвращения ЧП на предприятии, можно будет уже знать, с кем необходимо провести профилактическую беседу, а кого уволить.

Существует несколько подходов для распознавания лиц: использование 2D-изображений, 3D-изображений, Identix создала высокоточную биометрическую технологию. Но самый популярный на сегодня подход – каскады Хаара.

Каскад Хаары – это набор масок, прямоугольных окошек, каждое из которых представляет собой изображение с неким черно-белым узором.

Рисунок 1 – Набор масок

Маски накладываются на разные части кадра, и с помощью этого наложения программа определяет, есть ли лицо. Наложение маски на определенную часть кадра дает числовое значение - результат свертки маски с кадром: программа складывает яркость всех пикселей изображения, попавших при наложении в белую часть маски, а также яркость всех пикселей, попавших в черную часть маски, затем вычисляет разность этих значений. Результат свертки сравнивается с пороговой величиной.

Популярность данного подхода определяется тем, что свертка вычисляется очень быстро и просто - достаточно выполнить всего три операции для каждого прямоугольного элемента маски.

Рисунок 2 – Наложение масок

Вычисляемым значением такого признака будет F = X-Y, где X – сумма значений яркостей точек закрываемых светлой частью признака, а Y 12 – сумма значений яркостей точек закрываемых темной частью признака. Для их вычисления используется понятие интегрального представления изображения, который представляет собой матрицу с размерностью, совпадающей с размерностью исходного изображения. Элементы этой матрицы рассчитываются по формуле: II(x,y) = Summ( I(i,j) ), где I(i,j) – яркость пикселя исходного изображения. Т.е., каждый элемент интегрального изображения II[x,y] содержит в себе сумму пикселей изображения в прямоугольнике от (0,0) до (x,y). Расчет интегрального изображения занимает линейное время, пропорциональное числу пикселей исходного изображения.

Следующим шагом является создание БД (базы данных). Создание БД не ограничится одной лишь загрузкой фотографий и данных. Необходимо выполнить геометрическое выравнивание – поворот лица, при котором лицо, представленное на изображении, достигает наиболее естественное положение для восприятия – анфас. А также необходимо выделить характерные признаки. Человеческий мозг, как правило, в группу таких признаков выделяет контур лица, брови и характерную пигментацию.

Для заполнения БД нам понадобится камера с высоким разрешением, которая так же в дальнейшем будет использована в работе для сравнения лиц с БД.

Существует уже несколько ПО (программного обеспечения) для реализации распознавания лиц.

Но в рамках данной работы хотелось бы написать ПО и, возможно, изменить критерии выше, полагаясь на возможности человеческого мозга и, возможно, нейронные сети.

Наиболее оптимальным вариантом при выборе средств разработки являются .NET Framework, С#, Windows Forms, а также библиотека EmguCV.

Несмотря на усилия по разработке алгоритмов распознавания лиц, до сих пор не создана система, способная работать без ограничений, с учетом всех возможных вариаций параметров изображений, таких как шумы сенсоров, расстояние до объекта или уровень освещенности. По-прежнему единственной системой, которая хорошо справляется со своей задачей, является зрение человека. Поэтому полезно изучить стратегии, которые использует эта биологическая система, и попытаться использовать их при разработке искусственных алгоритмов.

В современном мире технологии стремительно внедряются в нашу жизнь.

Возможности таких технологий как распознать человеческое лицо может не только помочь людям в повседневной жизни, но и организовать работу предприятий.

Китайские компании уже на собственном опыте продемонстрировали успешность применения данных технологий. А развитие наук позволит в скором времени довести их работу до человеческого уровня.

Код для цитирования: Скопировать