Проверяемый текст
Долгов Сергей Викторович. Разработка методов распознавания и построение информационно-поисковых систем идентификации человека по его фотопортрету (Диссертация 2003)
[стр. 24]

изображений.
Это один из исторически первых методов распознавания человека по изображению лица.
Для сравнения областей используются простейшие алгоритмы вроде по пиксельного сравнения.
Рис.

1.8.
Сравниваемые эталонные области лица Недостаток этого метода заключается в том, что он требует слишком много ресурсов как для хранения эталонных участков изображений, так и для процедуры их сравнения.
Принимая во внимание, что при поиске используется простейший алгоритм сравнения, изображения должны быть сняты в строго установленных условиях: не допускается заметных изменений ракурса, освещения, эмоционального выражения и пр.

1.2.7.
Метод оптических потоков Алгоритмы оптического потока используются, в основном, для анализа движения.
Используя два или более последовательных кадра изображения, можно рассчитать двумерное векторное поле, называемое оптическим потоком(ОрПса1
Ио\у), которое отражает актуальное или наиболее вероятное смещение точек изображения от кадра к кадру [69].
В работе [69] рассмотрен порядок расчета оптического потока для двух произвольных изображений лица с целью получения меры соответствия этих изображений.
Эти два изображения считались последовательными кадрами.
В процессе сравнения вычислялось векторное поле, наилучшим образом отображающее одно изображение в другое в смысле минимизации расстояния между изображениями и с учётом геометрических ограничений, таких, например, как относительное расположение точек изображения.
Алгоритм обнаруживал
24
[стр. 39]

39 общего случая.
Кроме того, требуется применение более совершенных методов классификации или построения модели изменений.
В общем случае этот метод не является самым оптимальным, однако для некоторых специфических задач применения он может быть достаточно перспективен.
К таким задачам можно отнести задачу документного контроля [14, 15], при решении которой требуется сравнить изображение лица, полученного в текущий момент в реальном масштабе времени, с фотографией в документе.
При этом других изображений этого человека не имеется, и, следовательно, применение механизмов классификации, основанных на анализе тренировочного набора изображений, исключено.
1.4.6.
Метод сравнения эталонов Метод сравнения эталонов (Тетр1а1е Ма1сЫп&), рассмотренный в [25], заключается в выделении т.н.
эталонных областей лица на изображении (рис.
1.9) и в последующем сравнении этих областей для двух различных изображений.
Каждая совпавшая область увеличивает меру сходства изображений.
Это один из исторически первых методов распознавания человека по изображению лица.
Для сравнения областей используются простейшие алгоритмы вроде попиксельного сравнения.
Рис.

1.9.
Сравниваемые этапоные области лица

[стр.,40]

40 Недостаток этого метода заключается в том, что он требует много ресурсов как для хранения эталонных участков изображений, так и для процедуры их сравнения.
Принимая во внимание, что при поиске используется простейший алгоритм сравнения, изображения должны быть сняты в строго установленных условиях: не допускается заметных изменений ракурса, освещения, эмоционального выражения и пр.

1.4.7.
Оптический ноток Алгоритмы оптического потока используются, в основном, для анализа движения.
Используя два или более последовательных кадра изображения, можно рассчитать двумерное векторное поле, называемое оптическим потоком
(ОрНса! Р1о\у), которое отражает актуальное или наиболее вероятное смещение точек изображения от кадра к кадру [42].
В работе [42] рассмотрен порядок расчета оптического потока для двух произвольных изображений лица с целью получения меры соответствия этих изображений.
Эти два изображения считались последовательными кадрами.
В процессе сравнения вычислялось векторное поле, наилучшим образом отображающее одно изображение в другое в смысле минимизации расстояния между изображениями и с учётом геометрических ограничений, таких, например, как относительное расположение точек изображения.
Алгоритм обнаруживал
наиболее соответствующие друг другу блоки.
Поиск осуществлялся иерархически, начиная с наибольших блоков, а затем разбивая их на все меньшие блоки.
Таким образом строилась пирамида соответствия изображений.
Используя векторное поле оптического потока, строились различные меры соответствия, с помощью которых в базе данных находилось изображение, ближайшее по определенным критериям к неизвестному.
База данных изображений при этом представляла собой 76 изображений 36-ти человек с различиями в ракурсе и выражении лица.
Распознавание осу

[Back]