|
Поиск изображения в базе данных. При поиске изображения в базах данных большого объема используется сравнение типа «один со многими». При этом предъявляются высокие требования к ошибке первого рода система распознавания должна находить изображения, соответствующие данному человеку, не пропустив, по возможности, ни одного такого изображения. Система должна находить изображения, соответствующие конкретному человеку. Обычно в большой базе данных (с объемом хранения 104 107 изображений) требуется найти изображения, наиболее похожие на заданное. Поиск должен быть произведён за минимальное время(менее 5 сек). Одно из решений состоит в хранении в базе данных небольших наборов заранее извлечённых ключевых признаков, максимально характеризующих изображение. При этом требования к точности при подборе похожих изображений лица не столь критичны как в задачах контроля доступа и документного контроля. При решении задач данного класса, прежде всего, применяется метод эластичного графа [71, 113]. В данном методе для получения граф-модели изображения лица используются, так называемые, джеты ~ набор комплексных коэффициентов Габора для некоторых точек изображения, полученных в результате свертки изображения лица с вейвлетами Габора, которые хорошо характеризуют локально-частотные свойства изображения. Для сравнения изображений используется функция подобия, учитывающая амплитуду и фазу соответствующих коэффициентов Габора. При решении задач данного класса используется также метод «собственных лиц» (метод главных компонент) [25, 107]. При использовании этого метода коэффициенты, полученные разложением входного изображения на главные компоненты, используются для сравнения изображений путём вычисления Евклидова расстояния, а в более совершенных методах на основе метрики Махаланобиса с использованием гауссовского распределения [86,107]. В работе [66] описано развитие метода главных компонент на основе нейронных сетей. 9 |
1.3.1. Поиск изображения в больших базах данных 21 При поиске изображения в больших базах данных используется сравнение типа «один со многими». При этом предъявляются высокие требования к ошибке первого рода система распознавания должна находить изображения, соответствующие данному человеку, не пропустив, по возможности, ни одного такого изображения. Кроме того, система должна находить изображения, соответствующие данному человеку, в случае, когда на вход системы представляется графический набросок (фоторобот). При этом допустимо, если в результирующей выборке будет присутствовать небольшое число других людей. Обычно в большой базе данных (с объемом хранения Ю4 107 изображений) требуется найти изображения, наиболее похожие на заданное. Поиск должен быть произведён за разумное время. Одно из решений состоит в хранении в базе данных небольших наборов заранее извлечённых ключевых признаков, максимально характеризующих изображение. При этом требования к точности не столь критичны как в задачах контроля доступа и документного контроля. При решении задач данного класса, прежде всего, применяется метод эластичного графа [44, 79]. В данном методе для получения граф-модели изображения лица используются, так называемые, джеты (]е*$) набор комплексных коэффициентов Габора для некоторой точки изображения, полученных в результате свертки изображения лица с вейвлетами Габора, которые хорошо характеризуют локально-частотные свойства изображения. Для сравнения изображений используется функция подобия, учитывающая амплитуду и фазу соответствующих коэффициентов Габора. При решении задач данного класса используется также метод главных компонент (метод «собственных лиц») [13, 73]. При использовании этого метода коэффициенты, полученные разложением входного изображения на главные компоненты, используются для сравнения изображений путём вычисления 22 Евклидова расстояния, а в более совершенных методах на основе метрики Махаланобиса с использованием гауссовского распределения [52, 73]. В работе [69] описано развитие метода главных компонент на основе нейронных сетей. 1.3.2. Задача контроля доступа При решении задачи контроля доступа используется сравнение типа «один с несколькими». Для этой задачи критичны требования к ошибкам второго рода. Система распознавания изображений не должна характеризовать незнакомых людей в качестве знакомых, возможно, даже за счёт увеличения ошибок первого рода (отказа в доступе знакомым людям). Решение задачи контроля доступа обычно требуется в условиях, когда имеется небольшая группа лиц (5-50 человек), которых информационнопоисковая система должна распознавать по изображению лица для принятия решения о доступе конкретного лица на охраняемую системой территорию. Лиц, нс входящих в состав доверенной группы, система не должна пропускать. Возможны варианты, когда требуется установить конкретную личность по изображению лица. При этом от системы требуется высокая достоверность распознавания, возможно, даже за счёт увеличения числа отказов в доступе. Обычно в качестве тренировочных изображений каждого члена доверенной группы системе доступны несколько изображений его лица, полученных при различных условиях. Это могут быть, например, различные ракурсы съемки, освещённость, различные причёски, мимика, наличие или отсутствие очков и т.п. При этом в штатном режиме система должна работать в реальном масштабе времени (время принятия решения системой не должно превышать нескольких десятков секунд), в то время как процесс настройки функционирования системы на конкретную доверенную группу лиц может занимать значительно |