CC BY
11ГТАХР 20.01.01
БЕТ-ЭЛПЕТТ1 ТАНУ КЕЗ1НДЕ ЕРЕКШЕЛ1КТЕРД1 АЛУ УШ1Н ПАЙДАЛАНЫЛАТЫН ЗЕРТТЕУ АЛГОРИТМДЕР1Н САЛЫСТЫРУ
А.К. Кенжегулов 1, Б.Б. Сершов 2
1, 2 г.
2-курс магистрантты 1, 2 Эл-Фараби атындагы Казак ¥лттык университетi, Алматы паласы, Казакстан
email: abzal1818@gmail .com
Бет-элпетп тану жуйес функционалды тестшеу кез1нде сэйкестенд1ру жэне аутентификациялауды камтамасыз ету ушш пайдаланылады. Эр турл1 жагдайларда жеке тулгаларды аныктау ушш де колданылады. Бул макалада бет-элпетп окшаулау жэне тану ушш колданылатын алгоритмдерге салыстырмалы турде зерттеу журпзшед1. Салыстырылган бет-элпетп тану алгоритмдер1 кец таралган алгоритмдер болып табылады. Эрб1р алгоритм тусшт тусшд1ршед1 жэне тшсп сипаттамасы бершед1. Будан баска, эр алгоритмнщ ттмдшпн багалау ушш алгоритмдерден алынган нэтижелер деректер жиынында тексершп, графиктер туршде керсетшген. Алгоритмдер ортак деректер жинагымен жумыс 1стейд1 жэне алынган функциялардын пайызын шыгарады.
Бет-элпетп тану жылдам дамып келе жаткан технология болып табылады жэне ол каушс1зд1ктщ какпасы репнде колданылады, каушазд1к органдарында, кейб1р эуежайларда колданылу успнде, эаресе, турмелерде кещнен колданылатын тшмд1 эдютердщ б1р1 болып табылады.
Tyuih свздер: бет-элпетт1 тану, алгоритмдер, функцияны шыгару, нейронды желг, жылдам сен1мд1 функциялар (ЖСФ), багдарланган градиент гистограммасы (БГГ), жерг1л1кт1 ектк Yлгiлер (ЖЕY)
Биометрия саласында косымшаларды колдану саны унемi есш келедь Каушаздшке кол жетюзу ушiн биометриялык колжетiмдiлiк каушшз деп есептеледi, ал парольдер, PIN-код немесе кшттер кауiптi болып табылады, себебi олар оцай кешiрiледi немесе урлануы мумкiн. Бугiнгi танда колданылатын биометрикалык деректердщ эртурлi турлерi: саусак iздерi, алакан сканерлерi, бет-элпеттi тану жэне т.б. бар. Бетп тану жуйелерiмен камтамасыз етiлген кауiпсiздiк, баска биометриялык курылгылармен салыстырганда сенiмдi болып келедi [1; 217-б.].
Адамды тану эртурлi салаларда мацызды рел аткарады жэне оны жузеге асырудыц кец аукымы бар. Yлгiге сэйкес келетш эртурлi косымшалар бар. Беттi тану - бул уш кадамды камтитын процесс: детекция, ерекшелiктi алу жэне бет-элпетп тану [1; 220-б.].
Бет-элпетп тану - тулганы тану кезшде кабылданатын алгашкы кадам. Бул адамныц бет-элпетiн бейнеленген суреттен аныктау процесi. Бет пен тулгаларды табу ушш арнайы жасалган турлi алгоритмдер бар [1; 220-б.]. Аныкталган жагы эрi карай ецдеу ушiн тецестiрiлуi керек. Функцияларды окшаулау - тулганы тану процесшде мацызды кадам болып табылады. Функцияны алудыц негiзгi максаты бастапкы деректерден ец езектi акпаратты алу жэне бул акпаратты темешрек елшеммен кенiстiкте усыну болып табылады. Алгоритмге ендеуге арналган кiрiс сигналы тым улкен жагдайда кiрiс темендетшген керiнiстер жиынтыгына айналады. Кiрiс деректерш функция жиынына турлендiру функцияныц шыгарылуы деп аталады [2; 169-б.]. Бул жуйе ушш деректер болып саналатын беттщ нуктелерiн аныктайтын кадам болып табылады. Деректер эртурлi тулгаларды тусшу жэне ажырату жуйесi аркылы елшенедь Адамдардыц бетi эр жагдайларга карай эртурлi болуы мумкiн, ец курделi деректерге ие болгандыктан, тулганы тану кезiнде жаксы дэлдiкке жету - бул киын мiндет. Беттi тану жылдамдыгы эртурлi жарык жагдайларында езгеред^ тулганыц багыты, сейлеу жэне картаюдыц эсерi кейбiр факторлардыц бiрi болып табылады. Бул факторлар бет-элпетп тану жуйесшщ тану жылдамдыгын нашарлатады.
Технология пайда болган кезде, тулганы тануды пайдалану жаксарды жэне осы салада журпзшетш эртурлi зерттеулер, бул барлык факторларды ецсеруге кемектеседi. Бет-элпеттi тану жуйес тек беттi табу гана емес, табылган беттi салыстыру жэне сэйкеспкп табу ушiн пайдаланылуы мумкiн. Соцгысы биометриялык жуйелерде немесе кауiпсiздiкте колданылады. Бул олардан алынган жэне олармен салыстырылган функциялардыц коспасы жэне сэйкеспк болган кезде кол жеткiзуге мумкшдш бередi. Косымшада кауiпсiздiктi сактау ете киын, себебi адамныц бетi керiнбеуi мумкiн, сондыктан тулганыц аныкталуы курделене туседi. Салыстыруга жэне сэйкестiк табу ушш аныкталган дереккорга ие болу керек. Функцияларды шыгаруга кемектесетiн кептеген алгоритмдер бар. Бул алгоритмдер ею санатка белiнедi:
- Кол технологиясын ендiру эдiстерi (ЖСФ, БГГ, ЖЕY, Инвариантты функцияларды масштабтау (ИФМ))
- Осы т^ргыда кемштушшкке ие ерекшелштер (ягни сирек кодтау, автокодтар, шектеулi Больцман машиналары, Heri3ri компоненттi талдау (PCA), тэуелсiз компоненттi талдау (ICA), K-К¥ралы). Бет алудыц функциясы беттi тану жYЙесшщ мацызды белт болып табылады, ce6e6i ол осы функцияларга негiзделген, жYЙе беттi тани алады. Ол адамныц бетiн аньщтайтын жэне бас^алардан ерекшелейтiн заттарды iрiктеуге кемектеседi. ЖYЙе жинайтын жалпы белгшер - б^л жа^тыц ^зындыгы, кездщ, м^рынныц, ауыздыц жэне к^лакгыц ^ашыщтыгы, кез-келген тацбалар, мысалы, моль немесе бет аймагында табылган кез-келген деформациялар жатады. Б^л ма^алада пайдалы функцияларды ^олмен алуга багытталган. Аталган алгоритмдердщ не эдютершщ ^айсысы тиiмдi екенш аныщтау Yшiн деректер жиынтыгы Y™rn ЖСФ, БГГ жэне ЖЕУ бойынша салыстырмалы зерттеу жYргiзiледi [3; 14-б.].
ЖСФ функция детекторы Yшiн гана емес, дескриптор Yшiн де ^олданылады. Ол негiзiнен объектiнi тану, кескiндi тiркеу, жiктеу жэне 3D ^айта К¥ру Yшiн ^олданылады. ЖСФ 90-шы жылдардыц соцында ^олданылган алгаш^ы алгоритмдердщ бiрi - масштабты инвариантты функцияныц (МИФ) тYрлендiруi болып табылады. ЖСФ авторларыныц пiкiрiнше, ол нэтижелердi МИФ-на Караганда бiрнеше есе тезiрек шыгарады жэне ете сенiмдi болып келедi [4; 18-б.].
ЖСФ алдын-ала есептелген интегралдыщ кескiндi пайдалана отырып, 3 бYтiн операцияларды есептеуге мYмкiндiк беретш ^иылысу нYктелерiн аныщтау Yшiн Hessian blob детекторыныц детерминантыныц бYтiн жуыщтауын пайдаланады. ЖСФ-да ^олданылатын функцияныц дескрипторы Хаар тол^ындарыныц сигналыныц ^ызыгушылыгын тудыратын жауаптыц жиынтыгына негiзделедi, б^л шю суреттi пайдалана отырып есептеу Y™rn пайдалы. ЖСФ дескрипторлары объектiлердi, адамдарды немесе т^лгаларды аныщтау, 3D кершютерш ^алпына келтiру, нысандарды ^адагалау жэне ^ызыгушылыщ нYктелерiн табу Yшiн пайдаланылды.
Алгоритм y™ негiзгi белiмнен тирады:
1. Пайыздыщ пункттердi аныщтау
2. Жергшкп айма^тыц сипаттамасы
3. Уйлеспру.
Соцгы ^адам, картага негiзделген жYЙе кiруге р^сат беруi немесе дерещордан бiреудi аныщтау ^ажет болган жагдайда жасалады [5; 15-б.].
2005 жылы Navneet Dalal жэне Trigg [9; 12-б.] ^сынган багдарланган градиент гистограммасы (БГГ) - б^рмалауды аныщтау Y™rn компьютерде керу мен кескiндi ецдеуде ^олданылатын бас^а функциялыщ дескриптор. Техника градиенттщ ^агаздыц локализацияланган белiктерiне багдарлануын ескередi. Б^л эдiс шеткi багдарлаудыц гистограммасына параллель болады. Дэлдiгiн жа^сарту Yшiн сурет бiркелкi белiнген ^яшыщтары бар ыщшам торда есептеледi жэне жергшкп контрастты ^алып^а келтiрудi ^олданады [6; 12-б.]. Кескiн б^дан эрi езара байланыс^ан жасушалар деп аталатын кiшкентай айма^тарга белiнедi. БГГ жина^тары осы ^яшыщтардагы эрбiр пиксел Y™rn жина^талады. Жергiлiктi гистограмма контрастты ^алып^а келтiредi, блок деп аталатын кескшнщ Yлкен аймагында ^ар^ындылыщ елшемiн есептеп, содан кешн осы мэндердi дэлдш децгешн арттыру Yшiн блоктагы барлыщ ^яшыщтарды ^алып^а келтiру Yшiн пайдаланылады. Б^л ^алып^а келтiру жарыщ пен келецкеден алынган езгерiстерге ец жа^сы инвариантты бередi.
БГГ бастап^ыда MIT деректер жинагында сыналды, ол 509 о^у жиынтыгынан жэне 200 деректер жиынтыгынан т^рган, ол кезде непзшен адамныц бет жагы мен арт жа^ бет суреттерiнен т^рган. Ол адамныц бет-элпетш жэне объектiлердi тануга арналган ец тиiмдi алгоритмдердiц бiрi жэне оныц танымал болуына мYмкiндiк беретiн перспективтi нэтижелер бердi.
БГГ келес ^адамдардан тирады:
1. Градиент есептеу
2. Бининг багдары
3. Дескриптор блогы
4. Блокты нормализациялау
5. SVM классификаторы
6. Нейрондыщ желшк классификатор.
1994 жылы ойлап табылган ец кене алгоритмдердщ бiрi, ^арапайым элементтi алу Yшiн пайдаланылатын алгоритмдердщ бiрi. Сондай-а^, ол белгiлi бiр деректер жиынтыгы Yшiн БГГ
ешмдшгш жаксарту ушш жогарыда аталган БГГ алгоршммен колданылады. ЖЕУ - компьютер кершюшде жiктеу Yшiн колданылатын визуалды дескриптордыц тYрi. ЖЕУ - текстуралык спектрдщ Yлгiсi. Текстуралык классификацияны кушт функция екенiн аныктады. Алдымен ЖЕУ кернекi децгешмен карабайыр курылым репнде усынылды. ЖЕУ операторы эр пиксельдi кернекi децгейдеп кершiлес пикселдермен сипаттайды [3; 18-б.].
ЖЕУ функциясыныц векторы келесщей курылады:
- бул терезеш уяшыктарга белу керек (мысалы, эр уяшык Yшiн 16x16 пиксел немесе оданда аз болу керек);
- уяшыктагы эр пиксель Yшiн сол уяшыктыц 8 кершi пиксельдерiмен салыстыру керек (жогаргы сол жак, ортацгы сол жак, теменгi сол жак, жогаргы оц жак жэне т.с.с.), оларды шецбер бойымен, ягни сагат тiлi бойынша немесе сагат тшне карсы багытта салыстыру керек;
- ортадагы пикселдщ мэнi кершшердщ мэншен асып кетсе «0» жазу керек., ал керюшше болса, «1» жазу керек. Бул 8 тацбалы екшк санды бередi (ол, эдетте, ыцгайлылык Yшiн ондыкка тYрлендiрiледi);
- осы гистограмманы эр санныц жишк уясынан есептеу керек (ягни, бул пикселдердщ эр комбинациясы ортасындагы пиксельден кiшiрек немесе Yлкен болады). Бул гистограмма 256 елшемдi сипаттамалык вектор ретвде карастырыла алады;
- гистограмманы калыпка келтiру мiндеттi емес;
- барлык жасушалардыц (нормаланган) гистограммасын бiрiктiредi. Бул бYкiл терезе Yшiн функция векторын бередi [7; 28-б.].
Бул макалада ЖСФ, БГГ жэне ЖЕУ алгоритмдершщ кайсысы деректер жиынындагы барлык фотосуреттердi тану Yшiн айтарлыктай жэне тез нэтиже беретiнiн табу Yшiн жумыс жYргiзiлген. Бул жумысты ютеу Yшiн математиканыц алгоритмдерiн бiз дайындаган деректер жиынтыгында iске косамыз. Деректер жиынтыгы эр тYрлi жагдайларда тYсiрiлген фотосуреттерден турады, мысалы, жарыктандыру жагдайларын, iшiнара беттерiн, эртYрлi багытка бурылган адамдардыц бет-элпетi жэне жабык беттердi езгерту сиякты осы жYЙеде кездесетш ец кеп таралган суреттерден турады. Бастапкыда деректер жиынтыгы оцай аныктауга болатын жэне фотосуреттермен жумыс ютеущ киындататын карапайым фотосуреттер жиынтыгымен басталады. Мундай кYрделi деректер жиынтыгын тацдаудыц себебi: жYЙеде кандай алгоритмдердiц кайсысы кедерпшз жумыс iстеуi жэне сенiмдi болуы Yшiн осы жYЙеде колдануга жарамды екенiн аныктау болып табылады [8; 10-б.].
Деректер жинагынан алынган суреттер бiр уакытта алгоритмдердi пайдаланып iске косылады жэне эр алгоритм Yшiн тандалган функциялардыц пайызы жазылады.
Алгоритмдер осы деректер алгоритмдерiнiн кайсысында усынылган фотосуреттер функцияларын тануда ец тиiмдi екендiгiн табу Yшiн сол деректер жиынтыгымен жумыс ютейдь Нэтижелер графиктер тYрiнде бейнеленедi.
Алгоритмдерден кешн алынган нэтижелер деректер жиынында тексерiледi жэне жогарыда керсетiлгендей графиктер тYрiнде керсетiледi. Темендегi кестелерде диаграммадагы x-осi осы кескiннен алынатын элементтердiн пайызын керсетедi, ал у осi - деректер жиынындагы фотосуреттщ санын керсетедь
■ ЖСФ ■ БГГ ■ ЖЕУ
Сурет 1. вншдшк кестесI (ЖСФ - 46%, БГГ - 39%, ЖЕY - 28%)
Сурет 2. Сызыцтыц графика - ЖСФ
Осы сызьщтьщ диаграммадан ЖСФ алгоритмшщ ешмдшп артады, бiра^ деректер жинагы кYрделi болганда нашарлайды.
Сурет 3. Сызыцтыц графика - БГГ
Осы сызьщтьщ диаграммадан, деректер жиынтыгы кYPделi бола тура, БГГ алгоритмшщ ешмдшп твмендейтiнiн керуге болады. Бiрак ол деректер жиынтыгыныц белгiлi бiр тYрi y™îh жаксы жумыс ¡стсй алады.
1
0.8
0.6
0.4
0.2
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52
БГГ ШШШ ЖЕУ Сызыктык; (ЖЕУ)
Сурет 4. Сызыцтыц графика - ЖЕУ
Осы сызыктык диаграммадан 6i3 ЖЕУ алгоритмшщ ешмдшп баска екi алгоритммен салыстырганда темешрек функцияныц шыгу жылдамдыгымен басталатынын аныктай аламыз. Сонымен катар, деректер жиынтыгы киын болгандыктан, нэтиже калпына келт1ршетш функциялардыц ете аз пайызы.
Жогарыда келтiрiлген деректерден (4-сурет) ЖСФ алгоршм толык деректер жинагындагы баска алгоритмдерге Караганда жаксы жумыс iстейдi деп болжауга болады. Осы алгоритмдi енпзу тiптi жартылай шеттерi мен фотосуреттерш гана емес, iшiнара шеттерi табылган жагдайда да темендемейдi. Нэтижелер тезiрек курастырылганныц аркасында бул жYЙенщ сапасын жаксартады.
ЖСФ 90%-га дейiн сценарийлерде шыгара алады, ал баска алгоритмдер элдекайда аз керсеткiш керсетуi мYмкiн.
Содан кейiн ЖСФ алгоритмшщ жалгасы БГГ алгоритмi болып табылады. Деректер жиынтыгы курделi болгандыктан, 6-суретте керсетшгендей график бiртiндеп темендеп жатыр. Ол ЖСФ алгорштшмен салыстырганда элдекайда кеп функцияларды шыгара алады.
Соцгысы - ец кене алгоритм - ЖЕУ, бул алгоритм фотосуреттермен жаксы жумыс iстейдi, мунда тулганыц негiзiнен алдыцгы жагымен жаксы жумыс iстейдi. Ол бiрте-бiрте азаяды, себебi деректер жиынтыгы кYрделене тYседi жэне алгоритм функцияларды толыгымен шыгара алмайды. Алгоритм функцияларды толыгымен шыгара алмайды.
ПайдаланылFан эдебиеттер
[1] Erald Vucini, Muhittin Gokmen and Eduard Groller , «Face Recognition under Varying Illumination», International Journal of Computer Science and Information Technologies, Vol. 5 (4) , 2014, 217-220.
[2] Faizan Ahmad, Aaima Najam and Zeeshan Ahmed, «Image-based Face Detection and Recognition: State of the Art», International Journal of Computer Science Issues, Vol. 9, Issue 6, No 1, November 2012, 169-172.
[3] Gaurav Kumar, Pradeep Kumar Bhatia, «A Detailed Review of Feature Extraction in Image Processing Systems», International Journal of Advances in Engineering Sciences, Vol. 3, No. 3, July 2013, 14-22.
[4] Geng Du, Fei Su, Anni Cai. «Face recognition using SURF Features», Pattern Recognition and Computer Vision, vol. 7496, 2009, 18-22.
[5] Ligang Zhang, Vinod Chandran, «Discovering the Best Feature Extraction and Selection Algorithms for Spontaneous Facial Expression Recognition», IEEE International Conference on Multimedia and Expo, 2012, 15-18.
[6] Sakrapee Paisitkriangkrai, Chunhua Shen, Jian Zhang, «Face Detection with Effective Feature Extraction», Pattern Recognition and Computer Vision, 2010, 10-12.
[7] Vijayalakshmi, A., and Pethuru Raj. «An Efficient Method to Recognize Human Faces From Video Sequences with Occlusion!», World of Computer Science and Information Technology Journal (WCSIT) 5.2, 2015, 28-33.
[8] Wenyi Zhao, Arvindh Krishnaswamy, «Discriminant analysis of principal components for face recognition», Proceedings Third IEEE International Conference on Automatic Face and Gesture Recognition, 2002, 10-13.
[9] Navneet Dalal and Bill Triggs, Histograms of Oriented Gradients for Human Detection, -2010, 8(3), 12-18.
СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ АЛГОРИТМОВ, ИСПОЛЬЗУЕМЫХ ДЛЯ ИЗВЛЕЧЕНИЯ ПРИЗНАКОВ В РАСПОЗНАВАНИИ ЛИЦ
Кенжегулов А.К. 1, Сержов Б.Б. 2
1 2 магистрант 2 курса 1 2 Казахский Национальный Университет имени аль-Фараби, Алматы, Казахстан
email: abzall818@gmail.com
Система распознавания лиц используется для обеспечения идентификации и аутентификации во время функционального тестирования. Это может также использоваться, чтобы идентифицировать людей в различных ситуациях. В этой статье проводится сравнительное исследование алгоритмов, используемых для лицевой изоляции и распознавания. Алгоритмы - это общие алгоритмы, которые соответствуют распознаваемому лицу. Объясняется понятие каждого алгоритма и дано соответствующее описание. Кроме того, результаты алгоритмов оцениваются в наборе данных и отображаются в виде графиков для оценки эффективности каждого алгоритма. Алгоритмы работают с общим набором данных и отображают процент полученных функций.
Ключевые слова: распознавание лиц, алгоритмы, функция извлечения, нейронная сеть, быстрые надежные функции (БНФ), ориентированная градиентная гистограмма (ОГГ), локальные бинарные модели (ЛБМ)
COMPARATIVE STUDY OF THE ALGORITHMS USED FOR THE EXTRACTION OF CHARACTERISTICS IN FACE RECOGNITION
Kenzhegulov A.K.1, Serikov B.B. 2 1 2 Master student of the 2nd course 1 2 Al-Farabi Kazakh National University, Almaty, Kazakhstan email: abzall818@gmail.com
The facial recognition system is used to provide identification and authentication during functional testing. It can also be used to identify people in different situations. This article presents a comparative study of the algorithms used for facial isolation and recognition. Algorithms are general algorithms that match a recognizable face. The concept of each algorithm is explained and a corresponding description is given. In addition, the results of the algorithms are evaluated in a data set and are displayed as graphs for evaluating the effectiveness of each algorithm. Algorithms work with a common data set and display the percentage of functions obtained.
Key words: face recognition, algorithms, feature extraction, neural network, Speeded Up Robust Features (SURF); Histogram of Oriented Gradients (HOG); Local Binary Patterns (LBP)
PegaKnaara 31.01.2019 rçaôbMaaHgbi.
