Алгоритмы распознавания лиц, устойчивые к вариациям освещения и геометрических характеристик

Министерство образования и науки Российской ФедерацииФедеральное государственное бюджетное образовательное учреждение

высшего профессионального образования«Алтайский государственный университет»

Математический факультетКафедра информатики

Выполнила: студентка 1 курса магистратуры,425м группы А.Н. Вязьмина

Научный руководитель: к.ф.-м.н., доцент, С.И. Жилин

Барнаул 2013

Сферы применения распознавания лиц

• идентификация лиц,

• контроль доступа,

• обеспечение безопасности,

• наблюдение,

• правоохранительные органы,

• ведение базы лиц,

• управление мультимедиа,

• взаимодействие человека с компьютером

• и другие.

2

Вариации геометрии и освещения лиц

Примеры вариации геометрии лиц

3

Примеры вариации освещения

Цель и задачи Цель

Разработка и исследование свойств алгоритма распознавания лиц, основанного на комбинированном векторе характеристик, включающем в себя признаки, устойчивые к вариациям освещения и геометрии лиц в отдельности.

Задачи

1. Обзор методов распознавания лиц.

2. Отбор базовых алгоритмов построения признаков инвариантных, только к

вариациям освещения или геометрических признаков лиц.

3. Составление комбинированного вектора характеристик для метода.

4. Апробация полученного алгоритма на реальных данных для проверки

возможности его использования в немодельных задачах.

4

Выбор баз изображений

5

The AT&T Laboratories Cambridge database (АТТ)400 экз., размер 92х112px

The Extended Yale Face database B (EYFB)

1984 экз., размер 168х192px

Базовые методы распознавания лиц

В качестве составляющих комбинированного вектора

характеристик рассматривались:

• метод главных компонент (МГК), • локальные бинарные шаблоны (ЛБШ),• гистограммы направленных градиентов (HOG),• ускоренные устойчивые признаки (SURF).

6

Базовые методы распознавания лиц

В качестве составляющих комбинированного вектора

характеристик рассматривались:

• метод главных компонент (МГК), • локальные бинарные шаблоны (ЛБШ),• гистограммы направленных градиентов (HOG),• ускоренные устойчивые признаки (SURF).

7

ЛБШ / HOG / SURF /

Центр. лица

МГК(кроме SURF)

ИзображенияВектор

признаков

Схема построения векторов признаков базовых алгоритмов

Базовые методы распознавания лиц

В качестве составляющих комбинированного вектора

характеристик рассматривались:

• метод главных компонент (МГК), • локальные бинарные шаблоны (ЛБШ),• гистограммы направленных градиентов (HOG),• ускоренные устойчивые признаки (SURF).

В качестве классификатора взят алгоритм

• k-ближайших соседей (kNN, k-nearest neighbor algorithm).

8

Отбор базовых признаков

9

Базовые признаки

Выборка Инвариантность к Признаки Ошибка (%)

ATT Геометрии Центр. лица, HOG, МГК 3,75%

EYFB Освещению Центр. ЛБШ и МГК 0,40%

Комбинированный алгоритм

Базовые признаки

Выборка Инвариантность к Признаки Ошибка (%)

ATT Геометрии Центр. лица, HOG, МГК 3,75%

EYFB Освещению Центр. ЛБШ и МГК 0,40%

Вычисление HOG

МГК

Изображения

Шаги алгоритма на основе комбинированного вектора признаков

Вычисление центр. ЛБШ

Вычисление центр. лиц

Конкатенация признаков

Шкалирование

Классификация

10

Классы лиц

Комбинированный алгоритм

Наилучшие результаты тестирования базовых признаков

Выборка Инвариантность к Признаки Ошибка (%)

ATT Геометрии Центр. лица, HOG, МГК 3,75%

EYFB Освещению Центр. ЛБШ и МГК 0,40%

Результаты алгоритма на основе комбинированного вектора

Выборка Признаки Ошибка (%)

ATT HOG, центр. ЛБШ, центр. лица, МГК

5,00%

EYFB 3,23%

11

Контрольное тестирование

12

Контрольное тестирование

13

Математический факультет, 1 курс (MF10)

170 экз., размер 196х160px

Контрольное тестирование

14

Результаты алгоритма на основе комбинированного вектора

Выборка Признаки Ошибка (%)

MF10 HOG, центр. ЛБШ, центр. лица, МГК 23,53%

Примеры ложного распознавания

Контрольное тестирование

15

Результаты алгоритма на основе комбинированного вектора

Выборка Признаки Ошибка (%)

MF10 HOG, центр. ЛБШ, центр. лица, МГК 23,53%

Наилучший результат среди базовых алгоритмов

Выборка Признаки Ошибка (%)

MF10 SURF 14,71%

Алгоритмы распознавания лиц, устойчивые к вариациям освещения и геометрических характеристик

Министерство образования и науки Российской ФедерацииФедеральное государственное бюджетное образовательное учреждение

высшего профессионального образования«Алтайский государственный университет»

Математический факультетКафедра информатики

Выполнила: студентка 1 курса магистратуры,425м группы А.Н. Вязьмина

Научный руководитель: к.ф.-м.н., доцент, С.И. Жилин

Барнаул 2013

СПАСИБО ЗА ВНИМАНИЕ!