Распознавание образов на примере лица, отпечатков пальцев

Последние несколько лет во всех отраслях деятельности человека осуществляется внедрение различных информационных технологий, которые позволяют автоматизировать тот или иной процесс. Подобный подход к изменению того или иного аспекта деятельности позволяет добиться наибольшей эффективности работы отдела, либо предприятия в целом. Обращая внимание на ценность современной информации в робототехнике особое внимание стало уделяться идентификации личности человека на основе определенных биологических признаках, определенных черт лица, либо отпечатка пальцев и др. Подобные задачи обнаружения образов часто используются в системах технического зрения (СТЗ). Решение распознавания подобных образов решалось учеными разных стран, при этом использовались самые различные методы. Множество из них не нашло применения в виду своей неэффективности, либо требовали слишком много ресурсов для своей работы. Несмотря на высокую конкуренцию в данной области в настоящий момент существуют некоторые алгоритмы, которые на протяжении нескольких лет являются актуальными и считаются эффективными.

Исторически сложилось, что чаще всего идентификация человека наиболее часто происходит по отпечатку пальца. В данном случае наиболее часто идентификация определяется методом, основанным на корреляции. Суть метода заключается в том, что полученный отпечаток пальца накладывается на эталон, который был получен заблаговременно. После этого происходит по пиксельный просчет разницы между ними. Учитывая тот факт, кто рисунок пальца может смещаться, т.к. был приложен к сканеру немного в другом положении процесс сравнения отпечатка с эталоном должен происходить в несколько итераций в каждой из которых полученное изображение поворачивается на небольшой угол либо смещается на малый промежуток. Таким образом осуществляется подсчет корреляции и по соответствующему коэффициенту принимается решение о совпадении отпечатков. Математически данный процесс можно выразить следующим образом. Пусть T и I представляют собой два изображения, содержащие отпечатки пальца, соответствующие эталонному и проверяемому изображениям соответственно. В этом случае их разница представляют сумму квадрата разности (SSD), рассчитанная между значениями яркости соответствующих пикселей [3].

SSD(T, I) = ||T - I||2 = (T-I)T∗(T-I) = ||T||2 + ||I||2-2∗TT∗

I (1)

В данном выражении степень Т трактуется как транспонирование вектора. Учитывая, что ||T|| 2 и ||I|| 2 представляют собой константы, то следует говорит о том, что разница между изображениями будет минимальна, в этом случае корреляции (СС) срамится к максимуму:

CC(T, I) = TT * I                            (2)

В данном случае терм CC(T, I) добавляется к уравнению 1. Взаимная корреляция иными словами простая корреляция представляет собой меру сходства двух изображений. Учитывая то, что при сравнении двух изображений они могут быть повернуты либо смещены относительно друг друга, то добиться положительного результата наложения изображений T и I друг на друга и применением уравнения 2 малоэффективна.

В случае если изображение смещено относительно центра, то используется следующее выражение:

S(T, I) = max(Ax, Ay, 6) CC(T, I(Ax, Ay, 6))                 (3)

В данном выражении I(Ax, Ay, 6) представляет собой ротацию исходного изображений (I) на угол 6 относительно центра Ax, Ay.

При использовании данного выражения вычислительная сложность достаточно высока. С целью упрощения вычисления можно воспользоваться корреляционной теоремой которая гласит, что вычисление корреляции в пространственной области (оператор  0)  эквивалент выполнения поточечного умножения в распределении Фурье, в частности:

T®I = F-1(F*( (T ) х F(I))                        (4)

В данном выражение F представляет собой преобразование Фурье над изображением. «*» указывает на комплексное сопряжение, а x означает поточечное умножение двух векторов.

Исходя из этого результатом вычисления по той формуле является корреляционное изображение, значение точки [х, у] которого соответствует корреляции между T и I, когда смещение Дх = х и Ду = у.

В случае успешного сравнения эталонного изображения с имеющимся - отпечаток пальца совпадает, и он обводится зеленым маркером (рис. 1).

Рисунок 1 – выделение совпадающих отпечатков.

У данного метода существует один лишь недостаток, который связан с требовательностью к вычислительным ресурсам. В данный момент вычислительные машины достаточно снизились в цене, поэтому сейчас этот недостаток можно считать незначительным.

В большинстве других задач требуется обнаруживать на изображениях лица. Например, чтобы по уникальным признакам идентифицировать личность. В этом случае как правило используется алгоритм Viola-Jones, который был назван в честь ученых, которые его впервые разработали. Данный алгоритм использует заранее сгенерированную базу признаков, которые характерны для обнаружения определенного класса объектов. Подобная база может быть получена перебором всех комбинаций Haar-Like features путем и классификаторов, которые дают ошибку, то есть ошибочно не находят объект на изображении. Для поиска на изображениях лиц можно не генерировать базу признаков, а воспользоваться готовой. Например, набор     требуемых     признаков     содержится     в     файле haarcascade_frontalface_alt.xml проекта OpenCV, который считается одним из самых популярных для обработки изображений.

Используемый каскад признаков представляет собой набор из нескольких стадий (stages). Стадия каскада характеризуется набором определенных признаков (features). В случае каскада из бибилотеки OpenCV, признаки представляют собой прямоугольники (rects), при этом каждый из них наделяется положительным, либо отрицательным весом. В процессе выполнения алгоритма, окно, которое имеет размеры Wh ∗ Ww пикселей линейно перемещается вдоль изображения сначала по горизонтали, а потом по вертикали. Исходные размеры перемещаемого окна выбираются точно такими же, каковы размеры окна в каскаде. Пройдя очередной шаг размеры окна увеличивается. Для увеличения используются два способа. В качестве первого способа используется вычисление масштабируемого коэффициента и корректировке координат, прямоугольников, находящихся внутри признаков. Второй способ использует масштабирование самого исходного изображения. В данной работе размер окна после прохождений очередной итерации умножается на масштабирующий коэффициент ITER_SCALE. При этом окно сдвигается от текущих координат по горизонтали на w_step_x пикселей, и на w_step_y пикселей по вертикали.