Щодо питання застосування нейронної мережі для автоматизації процесів розпізнавання обличчя людини.
Анотація
У статті розкрито питання застосування нейронної мережі для автоматизації процесів розпізнавання обличчя людини. Підкреслено, що на сьогодні, є можливість виділити щонайменше дві широкі категорії систем розпізнавання осіб: необхідність знайти людину у великій базі даних осіб (наприклад, у базі даних поліції); необхідність ідентифікувати конкретних людей у режимі реального часу (наприклад, у системі моніторингу безпеки, системі відстеження місцезнаходження тощо), або необхідно дозволити доступ групі людей і заборонити доступ усім іншим (наприклад, доступ до будівлі, комп’ютеру тощо). Наголошено, що при вирішенні різних завдань єдиними стабільними ознаками порівнюваних зображень є контурні ознаки. Така ситуація особливо характерна для випадку отримання фото однієї і тієї ж людини в різних ділянках електромагнітного спектру. Запропоновано алгоритм оператора Робертса або оператора виділення контурних ліній 2×2 заснований на оцінці та виборі фрагментів зображення з високим градієнтним рівнем. Описано оператор виділення контурних ліній 3×3 при оцінці величини градієнта певного елемента зображення враховує вплив восьми сусідніх з ним елементів. Наведено сутність алгоритму Канні. Зазначається, що послідовним застосуванням маскового фільтру оператора Канні та статистичного фільтра пошукового вікна вдалося сформувати бітове растрове зображення знімка максимально зберігши контури обличчя людини, що значно покращило результати фільтрації на відміну від стандартного порівняння з пороговим значенням. Наголошено, що виявлення кордонів відбувається при визначенні локального максимуму та мінімуму градієнта яскравості об'єкта. Наведено блок-схему високого рівня системи для розпізнавання обличчя та описано принцип роботи система. Підкреслено, що повна автоматизація процесу розпізнавання обличчя людини цілком можлива, але потребує додаткового механізму для ліквідації можливих похибок на стадії фільтрації контуру, що і послугує підставою для подальших досліджень.
Посилання
Grother Р. Face Recognition Vendor Test (FRVT). Performance of Face Identification Algorithms. / Patrick Grother, Mei Ngan. – Information Access Division National Institute of Standards and Technology. – May 26, 2014 – р. 138.
M. Lades, J. Vorbruggen, J. Buhmann, “Distortion invariant object recognition in the dynamic link architecture”, IEEE Transactions on computers, 1993, vol. 42, no. 3, pp. 300 -310, March 1993
L.Juwei, N. P.Konstantinos, A. Venetsanopoulos, “Face recognition using kernel direct discriminant analysis algorithms”, IEEE Transactions On Neural Networks, vol.14, no. 1, pp.117–126, January 2003.
M. Lades, J. Vorbruggen, J. Buhmann, “Distortion invariant object recognition in the dynamic link architecture”, IEEE Transactions on computers, 1993, vol. 42, no. 3, pp. 300 -310, March 1993
P. Viola, “Robust realtime face detection”, International Journal of Computer Vision, 2004, vol. 57, no. 2, pp. 137-154, 2004
S.Lawrence, C.L. Giles., C. Tsoiта, “Face Recognition: A Convolutional Neural Network Approach”, IEEE Transactions on Neural Networks, Special Issue on Neural Networks and Pattern Recognition, vol. 8, no 1, pp.98–113, 1997.
Y.Taigman, M.Yang, M.Ranzato, “DeepFace: Closing the Gap to Human-Level Performance in Face Verification”
Joo Er Meng, W.Chen, Wu Shiqian, “High-speed face recognition based on discrete cosine transform and RBF neural networks”, IEEE Transactions on Neural Networks, vol. 16, no. 3, pp. 679 – 691,2005
