|
5„,(0м ,С7 )=1 \УпЗф) ( д * ^ -Д.*7 )2 (3.6) я ^ е где \У,доожет принимать значения в диапазоне [О, 1]. Результаты сравнительного анализа функций подобия графов без учета весов джетов(2.3) и разработанной функции с учетом весов джетов(3.6)привсдены в Таблице 3.6. Для проведения сравнения были использованы несколько вариантов изображений разных персон. Таблица 3.6 Сравнение функций подобия Мера подобия Вариант 1 2 3 4 5 Без настройки весов 0,9384948 0,7058818 0,74049 0,7232745 0,7313974 С настройкой весов 0,94 0,7255 0,763817 0,75148 0,766 Разница [%] 0,16 2,7 3,05 3,75 4,5 Настройка весов джетов проводилась, в основном, в областях с однородным характером: светлое пространство между глаз, лоб, области фона. Анализ показал, что использование функции подобия графов с учетом весовых коэффициентов для джетов позволяет повысить вероятность распознавания для отдельных изображений в среднем на 7%. Разработанная модификация алгоритма эластичного графа позволяет сделать процесс распознавания более гибким, настраиваемым. А, следовательно, повысить вероятность распознавания как одного изображения лица человека, так и системы распознавания в целом. При проектировании системы распознавания человека по изображению лица рекомендуется использовать полученный результат. Настройка весовых коэффициентов должна проводится с учетом размерности обрабатываемых изображений, а также топологии графа. 89 |
79 Как видно из данных графиков, наименьшее СКО зарегистрировано для джетов 5, 6, 7, 10, 11 (надбровные дуги, область глаза), 27,28,29 (область между носом и губами), 32,33,34 (складки губ). Между тем, наибольшее СКО зарегистрировано для джетов 3 (светлое пространство между глаз), 8, 12 (переносица), 17, 19 (нос), 31,35 (уголки губ) Повторный эксперимент, проведенный при размере ячейки 20x15 и начальных координатах (22, 24) (рис. 2.15) показал аналогичные результаты: наибольшее расхождение в значениях мер подобия зарегистрировано в областях с однородным характером светлое пространство между глаз, лоб. Однако в областях, где графической информации много (плотность ее высока) и она важна (область глаз, область кончика носа), мера подобия соответствующих джетов остается высокой. Установленная в работе закономерность позволяет ввести весовой коэффициент \Уп в стоимостную функцию меры подобия графов, который характеризует вклад каждого джета в общее определение величины меры подобия. С учетом сказанного функция подобия (см. формулу (2.3)) может быть найдена в соответствии с формулой (2.5), представленной ниже где 1Уп может принимать значения в диапазоне [0, 1]. Результаты сравнительного анализа функций подобия графов без учета весов джетов (2.3) и разработанной функции с учетом весов джетов (2.5) привеРис. 2.15. Размер ячейки регулярной решетки 20x15. (2.5) п дены в таблице 2.4. Для проведения сравнения были использованы несколько вариантов изображений разных персон. Настройка весов джстов проводилась, в основном, в областях с однородным характером: светлое пространство между глаз, лоб, области фона. Таблица 2.4. Сравнение функций подобия Мера подо 5ия Вариант 1 2 3 4 5 Без настройки весов 0.9384948 0.7058818 0,74049 0,7232745 0.7313974 С настройкой весов 0.94 0,7255 0,763817 0,75148 0,766 Разиина[%1 0.16 2,7 3,05 3,75 4.5 Анализ показал, что использование функции подобия графов с учетом весовых коэффициентов для джетов позволяет повысить вероятность распознавания для отдельных изображений в среднем на 3%, а в некоторых случаях и на 4,5%. Разработанное дополнение алгоритма эластичного графа позволяет сделать процесс распознавания более гибким, настраиваемым. А, следовательно, повысить вероятность распознавания как одного изображения лица человека, так и системы распознавания в целом. При проектировании системы распознавания человека по изображению лица рекомендуется использовать полученный результат. Настройка весовых коэффициентов должна проводится с учетом размерности обрабатываемых изображений, а также топологии графа. |