Бобе Анатолий Сергеевич

В работе рассматривается алгоритм локализации контрольных точек на изображении лица на основе модели активной формы. Локализация контрольной точки проводится на основе расчета одномерных и двумерных признаков по области поиска для данной точки. Полученная совокупность точек корректируется в пространстве главных компонент для устранения чрезмерных отклонений от усредненной модели лица, полученной на этапе обучения. В работе проведено исследование зависимости точности локализации контрольных точек от параметров алгоритма и типа рассчитываемых признаков. Показана динамика изменения суммарной погрешности локализации на различных итерациях алгоритма и уровнях масштаба изображения. Показано преимущество использования LBP-фильтрации как метода предобработки изображения.

В статье описана система автоматического контроля допуска на основе анализа изображений лица. Система включает в себя камеру, персональный компьютер с программным обеспечением для анализа поступающих данных и исполняющее устройство. Принятие решения о доступе принимается на основе верификации личности по изображению лица и распознавания контрольного движения головы. Система способна работать в режиме реального времени и обеспечивает приемлемые вероятностные характеристики.

Задачи верификации личности по изображению лица играют важнейшую роль во многих современных биометрических системах и системах видеонаблюдения. К алгоритмам, реализующим данные задачи, предъявляются высокие требования, как по вероятностным характеристикам, так и по быстродействию. Математически задача верификации сводится к задаче классификации двух рассматриваемых изображений лиц на два класса: «свои» и «чужие». В данной работе были проведены разработка и исследование алгоритма мультиклассификации, построенного на основе объединения результатов работы базового алгоритма по различным областям лица. На первом этапе было проведено обучение и тестирование базового алгоритма классификации независимо по изображениям пяти различных областей: всего лица, области глаз, лба, носа и рта. На втором этапе был реализован ряд алгоритмов объединения решений базового алгоритма с целью нахождения оптимального варианта по критерию наилучших вероятностных характеристик верификации. В качестве базового алгоритма использовался алгоритм, основанный на методе локальных бинарных шаблонов.