|
2.5. Краткие выводы но главе II В рамках рассмотренного общего алгоритма распознавания человека по изображению его лица и применительно к использованию известного алгоритма эластичного графа получены следующие результаты: 1. Модифицирован метод распознавания эластичного графа, заключающийся во введении дополнительного коэффициента вклада каждого джета в общую формулу определения величины меры подобия графов. Эго дополнение позволяет построить гибкий, настраиваемый алгоритм распознавания и повысить вероятность распознавания для отдельных изображений в среднем на 5-7%; 2. Результаты, полученные в рамках исследования алгоритма распознавания человека по изображению лица, положены в основу построения системы распознавания человека по изображению лица 3. Разработан алгоритм хранения и поиска данных о персоне в базе данных позволивший повысить скорость идентификации; 4. Разработана типовая структура информационного хранилища ключевых признаков изображения, позволяющая хранить необходимо-большой объем ключевых признаков. Глава III. Применение нейросетевого подхода в задаче распознавания лицевого изображения. 3.1. Алгоритм обучения нечеткой нейронной сети ОТРС1а$$. Общее описание. Цель модели [5] вывод нечетких правил из набора данных, которые можно разделить на некоторое количество (четких) непересекающихся классов. Нечеткость возникает в силу несовершенных или неполных измерений свойств объектов, подлежащих классификации. КЕРС1а$$ имеет 3-слойную последовательную архитектуру (Рис. З.1.). Первый слой содержит входные нейроны, в которых представляются входные образцы. Активация нейрона не изменяет входное значение. 69 |
107 Таблица 2.10. Сравнительный анализ разработанных алгоритмов определения угла поворота в глубину (с учетом погрешности определения опорных точек) Порядок полинома Итоговая погрешность алгоритма определения угла поворота лица в глубину через суммарную площадь треугольников через угол между векторами через объем пирамиды 1 2.0415 4.855 11.09 2 0.98725 2.93775 12.568 Как видно из сопоставления полученных результатов сравнительного анализа, алгоритм определения угла поворота в глубину через величину суммарной площади треугольников, образованных опорными точками, с наименьшей погрешностью позволяет определить угол поворота в глубину с учетом максимальной погрешности определения координат опорных лицевых точек. Кроме того, приемлемую точность определения угла поворота лица в глубину возможно достичь используя полиномы первой и второй степени, а значит, требу■4 ется меньше вычислительной трудоемкости, нежели при использовании полиномов третьей и выше степеней. Отметим, что алгоритм определения угла поворота лица в глубину через угол между векторами, образованными опорными точками, показал наилучшую точность определения в идеальных условиях. Но указанный алгоритм очень чувствителен к точности угла а, и, следовательно, чувствителен к точному определению местоположения опорных точек, что и показал анализ с учетом максимальной погрешности определения опорных лицевых точек. 2.6. Выводы В рамках рассмотренного общего алгоритма распознавания человека по изображению его лица и применительно к использованию известного алгоритма эластичного графа получены следующие результаты: исследовано и показано, что на этапе первичной обработки наилучшие результаты распознавания достигаются при использовании несжатых изображений; оценено влияние степени сжатия (ДРЕС) на качество распознавания и показано, что максимально допустимая степень сжатия (обеспечивающая 90% вероятность распознавания) составляет 25%, а необходимый объем хранимой информации снижается при этом в 7 раз; разработана модификация алгоритма эластичного графа, заключающаяся во введении дополнительного коэффициента вклада каждого джета в общую формулу определения величины меры подобия графов. Это дополнение позволяет построить гибкий, настраиваемый алгоритм распознавания и повысить вероятность распознавания для отдельных изображений в среднем на 3%, а в некоторых случаях и на 4,5%; разработай и экспериментально подтвержден алгоритм автоматического определения пола, а также типа лица человека, изображенного на обрабатываемом изображении. Использование этих данных позволяет в 1,5+2 раза сократить время поиска в базе данных; разработаны алгоритмы для автоматического определения угла поворота в глубину лица человека, изображенного на обрабатываемом изображении, что позволяет значительно (на 4(Н50 %) сократить размер памяти потребной для хранения джетов в базе данных за счет хранения джетов, соответствующих только фронтальному положению лица; результаты, полученные в рамках исследования алгоритма распознавания человека по изображению лица, положены в основу построения информационно-поисковой системы распознавания человека по изображению лица. |