Проверяемый текст
Долгов Сергей Викторович. Разработка методов распознавания и построение информационно-поисковых систем идентификации человека по его фотопортрету (Диссертация 2003)
[стр. 18]

худший результат, чем дискриминант Фишера.
Также не производились эксперименты с изменением ракурса изображений, а эксперименты с варьированием освещения проводились без изменения других факторов.
1.2.3.
Метод гибких контурных моделей лица Распознавание изображения производится на основе сравнения контуров лица.
Контуры обычно извлекаются для линий головы, ушей, губ, носа, бровей и глаз.
Контуры представлены ключевыми позициями, между которыми положения точек, принадлежащих контуру, вычисляются интерполированием.
Для локализации контуров в различных методах используется как априорная информация, так и информация, полученная в результате анализа тренировочного набора изображений.
В работе
[79], рассматривающей метод гибких контурных моделей лица (Р1ех1ЫеМос1еЬ), ключевые точки размещались вручную на наборе тренировочных изображений.
Затем извлекалась информация об интенсивности пикселей, лежащих на линии, перпендикулярной контуру для каждой точки контура.

При поиске контуров нового лица применялся подход с использованием целевой функции из двух составляющих.
Первая из них максимизировалась при соответствии интенсивностей пикселей, извлечённых на перпендикулярной контуру линии, аналогичным пикселям из тренировочной выборки.
Вторая при совпадении контура с формой контуров тренировочных примеров.
Таким образом, извлекался не просто контур, а контур черт лица.
Как должен выглядеть типичный контур черт лица, процедура поиска знала из тренировочных примеров.
Для сравнения
изображений использовались значения главных компонент, вычисленных на наборе векторов, представляющих собой координаты ключевых точек.
Контурная модель использовалась вместе с полутоновой моделью, совместное их использование повышало точность распознавания.

18
[стр. 32]

32 вались, всё равно давало намного худший результат, чем дискриминант Фишера.
Однако остается невыясненным, применим ли этот метод для поиска в больших базах данных, может ли метод работать, когда в тренировочной выборке для некоторых лиц имеется изображение только в одних условиях освещённости.
В упомянутой работе [22] также не производилось оценок при изменении ракурса изображений, а эксперименты с варьированием освещения проводились без изменения других факторов.
Будет ли данный метод работоспособен при сочетаниях таких факторов, также не известно.
Как и в методе собственных лиц, здесь тоже нужна качественная предварительная обработка, приводящая изображения к стандартным условиям.
Описанный выше метод основывается на предположении о линейной разделимости классов в пространстве изображений.
В общем случае такое предположение несправедливо.
1.4.3.
Метод гибких контурных моделей лица В методах гибких контурных моделей лица распознавание изображения производится на основе сравнения контуров лица.
Контуры обычно извлекаются для линий головы, ушей, губ, носа, бровей и глаз.
Контуры представлены ключевыми позициями, между которыми положения точек, принадлежащих контуру, вычисляются интерполированием.
Для локализации контуров в различных методах используется как априорная информация, так и информация, полученная в результате анализа тренировочного набора изображений.
В работе
[45], рассматривающей метод гибких контурных моделей лица (Р1ех*1Ые Мос1е1$), ключевые точки размещались вручную на наборе тренировочных изображений.
Затем извлекалась информация об интенсивности пикселей, лежащих на линии, перпендикулярной контуру для каждой точки контура.


[стр.,33]

33 При поиске контуров нового лица применялся подход с использованием целевой функции из двух составляющих.
Первая из них максимизировалась при соответствии интенсивностей пикселей, извлечённых на перпендикулярной контуру линии, аналогичным пикселям из тренировочной выборки.
Вторая при совпадении контура с формой контуров тренировочных примеров.
Таким образом, извлекался не просто контур, а контур черт лица.
Как должен выглядеть типичный контур черт лица, процедура поиска знала из тренировочных примеров.
Для сравнения
изображении использовались значения главных компонент, вычисленных на наборе векторов, представляющих собой координаты ключевых точек.
В данной работе контурная модель использовалась вместе с полутоновой моделью, совместное их использование повышало точность распознавания.
Существуют также другие работы, использующие аналогичные принципы извлечения контуров.
Например, в работе [28] использовался генетический алгоритм для получения контуров глаз.
Хромосомы представляли собой параметры контура, которые инициализировались таким образом, чтобы начальная область содержала изображение глаза.
При этом в функцию оценки пригодности была заложена информация о том, как выглядит типичный глаз.
Главной задачей при распознавании по контурам является правильное выделение этих контуров.
В общем виде эта задача по сложности сравнима с собственно задачей распознавания изображений.
Кроме того, использование этого метода самого по себе для задачи распознавания недостаточно.
1.4.4.
Метод сравнения эластичных графов В работе [79], рассматривающей метод сравнения эластичных графов (Е1а5Пс ВипсН СгарЬ Ма1сЫп§), лицо представляется в виде графа, вершины которого расположены на ключевых точках лица, таких, например, как контуры головы, губ, носа и пр., а также на крайних точках элементов лица (рис.
1.6).

[Back]