CC BY
46
У cmammi сформован методи виявлен-ня облич та iдентифiкацii oco6ucmocmi в системах комп'ютерного зору на основi методу Viola-Jones з використанням пере-добробки та методу ЛБШ з використанням модифжованих г^тограм по секторам
Ключовi слова: розтзнавання людини, iдентифiкацiя, передобробка зображення, ЛБШ
□-□
В статье сформированы методы выявления лиц и идентификация личности в системах компьютерного зрения на основе метода Viola-Jones с использованием предобработки и метода ЛБШ с использованием модифицированных гистограмм по секторам
Ключевые слова: распознавания человека, идентификация, предобработка изображения, ЛБШь
□-□
Methods of identifying individuals and personal identification in system of computer vision which is based on Viola-Jones method using pre-treatment image and LBP method using modified histogram sector are formed in the article
Keywords: recognition of human, identification, pretreatment image, LBP -□ □-
УДК 004.93'1
МОДЕЛ1 ОПИСУ ОБ'еКТА ТА ДОСТОВ1РН1СТЬ 1ДЕНТИФ1КАЦ11 В СИСТЕМАХ КОМП'ЮТЕРНОГО
ЗОРУ
М.В. Волошин
Викладач
Черкаський державний 6Í3Hec коледж вул. Енгельса, 243, м. Черкаси, УкраТна, 18000 Контактний тел.: 067-69-65-147 E-mail: Voloshin87@gmail.com
1. Вступ
Проблема щентифжащя особистосп за зображен-ням обличчя е одним з прюритетних напрямюв роз-витку бюметричних систем. Основними напрямками дослщжень у цш сферi е: створення робото-техшчних систем, моделювання дiяльностi людини, створення штелектуальних комп'ютерних штерфейав, розробка методiв та програмно-апаратних засобiв розшзна-вання та синтезу мовних i зорових образiв. Одним з актуальних напрямюв дослщжень е розробка систем образного сприйняття зорово! iнформацii, серед яких важливе значення мають системи автоматичного ана-лiзу зображень облич людей. Даш системи широко застосовуються у системах фейсконтролю, системах медичного мониторингу та дiагностики та iнших авто-матизованих системах, у яких важливим е щентифжа-щя чи аналiз стану людини.
Задачу розтзнавання особи по зображенню обличчя зазвичай розбивають на двi пiдзадачi: виявлення зони обличчя та розтзнавання обличчя отриманого з попереднього етапу. До виявлення зони обличчя (тдготовки зображення) вщносять наступш етапи: бiнарiзацiю, сегментацiю, виявлення/обрахунок па-раметричних ознак i формування вхщно! матрицi [1]. Найкраще з щею задачею справляеться метод ViolaJones [2], але щоб покращити швидкодiю даного методу можна робити попередню обробку зображення. Тобто, метод Viola-Jones застосовувати не до всього
зображення, а лише до Tiei частини, де найймовiрнiше знаходиться зона обличчя. Для цього будуються кла-сифжатори основанi на кольорових системах - RGB [4] i YCbCr [5]. Найкращим методом для розтзнавання, з точки зору ощадливосп до системних ресурив, е метод локальних бшарних шаблонiв [6] та його моди-фiкацii.
2. Видшення проблеми та формулювання цiлей i задач
В рамках дано! роботи проводиться огляд основ-них методiв цифрово! обробки зображення, визначенi основш алгоритми при фiльтрацii, сегментацп та роз-пiзнаваннi об'eктiв, отримано основш характеристики зображення. Метою дослщження е вирiшення задачi комп'ютерно! iдентифiкацii людини на основi аналiзу фронтального зображення обличчя. Для досягнення поставлено! мети виршеш наступш задача
1) розроблена методолопя виявлення та розтзна-вання обличчя в единому комплекс^
2) розроблений метод пошуку областi обличчя та визначення масштабу обличчя на статичних зобра-женнях з дов^ьним фоном,
3) дослщжеш можливостi пiдвищення вщсотку правильно! iдентифiкацii за рахунок тдбору оптимально! кiлькостi секторiв та надання вагових ко-ефiцiентiв характеристикам сумарно! iнтенсивностi пiкселiв по секторам.
3. Основне дослщження
Процес розтзнавання o6pa3iB можна роздiлити на два етапи: тдготовка зображення (пошук обличчя) i розпiзнавання. Пiдготовка включае в себе: бiнарiзацiю, сегментацiю, виявлення/обрахунок параметричних ознак i формування вхiдноi матрицi [1]. Як метод видь лення облич на зображенш був обраний метод Viola-Jones, який розробили дослщники i3 Microsoft Пол Вiола та Майкл Джей Джонс iз Mitsubishi Electric Laboratory [2]. Вони займались питанням розтзнавання образiв, зокрема облич, в системах комп'ютерного зору. Метод Viola-Jones е одним з кращих по стввщношенню показ-никiв (ефектившсть розпiзнавання)/(швидкiсть робо-ти). Також цей детектор мае вкрай низьку ймовiрнiсть помилкового виявлення обличчя. Алгоритм Viola-Jones досить стiйкий (близько 20 градуав) до поворотiв зображення. При куп нахилу дослщжуваного об'екту понад 20 градуив вiдсоток виявлення та розтзнавання обличчя рiзко падае. Однак при невеликих кутах нахилу до 10 градуив, алгоритм продовжуе надшно визначати обличчя людини. Даний метод заснований на пiдсиленнi простих класифiкаторiв. Пiдсилення простих класифiкаторiв - тдхщ до вирiшення задачi класифiкацii (розтзнавання), шляхом комбшування примiтивних «слабких» класифiкаторiв в один «силь-ний» [2]. Шд «силою» класифiкатора в даному випадку розумiеться ефективнiсть (якiсть) розв'язання задачi класифiкацii. Слабкий класифiкатор мае вигляд:
,, f ® Jl,pf(x) < Р®
h(x,f,p,0) = \ (1)
[ 0,1накше v '
де f - ознака, p - полярнiсть, що показуе напря-мок нерiвностi, 0 - порогове значення.
Алгоритм 1. Процедура AdaBoost, що формуе силь-ний класифiкатор (каскад) як зважену комбшащю слабких класифiкаторiв:
1. Наведенi приклади зображень (x1,y1)...(xn,yn), де yj = 0 чи 1 для негативних i позитивних прикладiв вiдповiдно; 1 1
2. Визначити ваги w1i =-, — для y, = 0 , 1 вщпо-
' 2m 2l
вiдно, де m i l - юльюсть негативних i позитивних прикладiв вiдповiдно;
3. for t = 1...T:
3.1. Нормалiзувати ваги
£
j=i
3.2. Вибрати кращий слабкий класифiкатор у вщ-повiдностi до зважено! помилки
et = minf,p,® £ w, |h(x,-ft-Pt- 0t)- y,1; i
3.3. Визначити ht(x) = h(x,ft,pt,0t), де ft,pt i 0t - мiнiмiзують зважену помилку класифжацп et;
3.4. Оновити ваги
wt+i,,= wt,, P
1-et t
де e¡ = 0, якщо приклад x¡ класифiкований правильно, i e¡ = 1 - iнакше, i Pt =
1 -et
C(x) =
T T
1, £atht(x) > { Xa t
t=i t=i
0, iнакше
1
де «t = 1og er .
Pt
Питанням пiдвищення ефективностi виявлення обличчя людини на цифрових зображеннях за рахунок розробки та застосування нових i модифжованих ал-горитмiв займався Кудряшов Павло Павлович iз Вол-гоградського державного технiчного унiверситету [3], який запропонував представляти ознаку для аналiзу зображення таким кортежем:
Feature = {T,O,S}
(2)
де T - тип ознаки, O - координата лiвого верх-нього кута ознаки, S - розмiр ознаки по горизонталi i вертикаль
Значення ознаки розраховуеться за наступною формулою:
Feature, = kw £ Vw - kb £ Vb
(3)
де £ Vw i £ Vb - суми штенсивностей всiх тк-селiв зображення в бших i чорних областях ознаки ввдповвдно, kw i kb - коефвденти 1х нормування за площею. Види ознак представленi на рис. 1. Схема-тичне зображення сильного класифжатора (каскаду) представлене на рис. 2.
1НФФ
а. Граничт
б. JIíhíííhí
И
в. Центральт
г. Д1агональт
4. Фшальний сильний класифiкатор
Рис. 1. Види ознак, ям використовуються для аналiзу зображення
Метод Viola-Jones вiдрiзняeться високою швидкь стю роботи. Проте навггь bíh не забезпечуе обробку ввдеопотоку стандартно! чiткостi в режимi реального часу. З метою зб^ьшення продуктивное^ фiльтра, було прийнято рiшення виконувати попередню обробку зображення. 1дея цього пiдходу полягае в тому, що заметь того, щоб обробляти детектором Viola-Jones весь кадр, можна визначити области в яких ймовiр-шсть виявлення обличчя досить висока. Тим самим досягаеться не пльки прискорення роботи ф^ьтру, але i зменшуеться ймовiрнiсть помилкового виявлен-ня облич.
w
w=
Шюра мае доволi характерний дiапазон кольорiв, тому передобробку слiд будувати, класифжуючи шк-селi по ïx кольору. Для ще! задачi використовуються кольоровi простори RGB та YCbCr. Такий вибiр по-яснюеться тим, що для бiльшостi зображень викори-стовуеться система RGB, тому при ïï використанш не виникае необxiдностi перетворювати зображення в iншу кольорову систему, за рахунок цього при обробщ економиться час [4]. Дану кольорову систему запро-понував використовувати Петрашко Андрш Анато-лiйович iз Томського державного ушверситету систем управлiння та радюелектрошки, який займався пи-танням сегментацп в контексп задачi виявлення обличчя на зображенш [4].
цп, - в нiй не розд^еш компоненти яскравостi та вщ-тiнку. В зв'язку з цим пропонуеться додатково використовувати систему YCbCr, котра дозволяе ïx розд^яти [5]. В кольоровш системi YCbCr в якостi правила взято компоненту Cr , яка вщповщае за вщтшок червоного кольору i повинна перевищувати певний порiг (10 оди-ниць). Правило-класифiкатор запишемо у виглядк
PYCbCr(skin) = (0.500R - 0.419G - 0.081B) > 10
(5)
Таке ршення запропонував iранець Алi Таваколi, який займався питанням передобробки зображення для виявлення зони обличчя [5].
Приклад застосування даного класифжатора до зображення показано на рис. 4.
Рис. 2. Схематичне зображення сильного класифкатора
Правило-класифжатор для кольоровоï системи RGB мае наступний вигляд:
PRGB(skin) = R > 95 and G > 40 and B > 20 and R > G and R > Band|R - G|> 15 and max(R,G,B) - min(R,G,B) > 15
(4)
Це означае, що якщо для пiкселя, заданого координатами (R,G,B) , виконуються вказанi обмеження, то його з високою долею ймовiрностi можна визначити як такий, що взноситься до шюри. В основi цiеï формули лежить емшричне спостереження, що для шюри людини червона компонента ( R ) переважае над зеленою ( G ) i синьою ( B ). Також вони не повинш розташову-ватися дуже близько одна до одноï (шакше утворю-еться сiрий вiдтiнок) i повинш перевищувати пороговi значення, щоб мати достатню яскравiсть. Приклад застосування даного класифжатора до зображення показаний на рис. 3.
Рис. 4. Приклад застосування YCbCr-класифiкатора до растрового зображення
Застосовуючи щ класифiкатори разом i окремо до рiзниx зображень, був зроблений висновок, що ефек-тивнi результати досягаються при ïx спiльному використанш (див. рис. 5). Тобто формула ушверсального скш-детектора мае вигляд:
P(skin) = PRGB(skin) and PYCbCr(skin)
(6)
Рис. 3. Приклад застосування RGB-класифкатора до растрового зображення
Однак в системi RGB е iстотний недолiк, який ускладнюе ïï використання для кольоровоï сегмента-
Рис. 5. Приклад застосування RGB- та YCbCr-класифкатора до растрового зображення
Розтзнавання образiв проводиться шляхом використання локальних бшарних шаблошв (надалi ЛБШ). ЛБШ представляе собою опис околу шкселя зображення у двшковш формi. Оператор ЛБШ, що застосовуеться до шкселя зображення використовуе втм пiкселiв околу, приймаючи центральний шксель у якостi порогу. Шксел^ якi мають значення бiльшi, шж центральний пiксель (чи дорiвнюють йому), при-ймають значення «1», ri, якi, менше центрального,
приймають значення «0». Таким чином утворюеть-ся восьмирозрядний бшарний код, який описуе окш пiкселя [5]. Приклад роботи оператора ЛБШ над то-новим зображенням показано на рис. 6. Даний метод для розтзнавання запропонував Маслш Роман Ва-сильович iз Вiнницького нацiонального технiчного ушверситету, який займався питанням пiдвищення точност розпiзнавання зображень облич за рахунок використання класичних методiв розпiзнавання та 1х модифiкацiй [6].
При класифжацп зображень облич для знаход-ження найменшо! вiдстанi мiж гiстограмами, що пред-ставляють обличчя, використовуеться вщстань %2. Вiдстань мiж зображеннями S та M визначаеться за формулою [5]:
X2(S,M)= £
j=i
■(j Mu):
' j M
2
(8)
5 4 3
4 3 1
2 0 3
flopir = 3
1 1 1
- »
0 0 1
Двнжове: 11101001 Десяткове: 233
Рис. 6. Приклад роботи ЛБШ оператора
Пiкселi околу лежать на колi радiусом R . Кшьюсть точок цього кола може бути обрана дов^ьно, позначи-мо ïï як P . Для обчислення значень у цих точках для рiзних радiусiв R та юлькосп точок P використовуеться бшшшна iнтерполяцiя. Для представлення ЛБШ з радiусом R i вщстанню P будемо використо-вувати позначення LBPpr.
Зображення обличчя розбиваеться на k х k областей. Поим у кожнш обласп для кожного пiкселя зображення обчислюеться LBPpR-код. Пiсля цього, для представлення глобального опису зображення обличчя, ва гiстограми областей об'еднують в одну пстограму. Ця гiстограма складатиметься з k2 стовп-чикiв i формуватиме вектор ознак обличчя. Приклад подшу зображення обличчя на област та вщповщш цим областям гiстограми зображено на рис. 7.
де Si;j та Mij - це розмiри стовпчика i з областi j. Оскiльки деякi областi облич (наприклад, область очей) можуть нести б^ьш важливу шформащю, нiж iншi области кожнiй областi в залежностi ввд ïï важли-востi для розтзнавання можуть бути присвоен ваги.
При присвоенш ваги Wj областi j формулу можна записати так:
X2(S,M)= £ w
j=1
¿(jMi,j)2
Si,j+M
(9)
У цiй роботi пропонуеться використати ЛБШ у фор-мi елiпса (ЕЛБШ), тобто для формування ЛБШ будуть використовуватися т пiкселi околу, якi лежать на елш-сi вiдносно центрального пiкселя. Позначимо бшьший радiус елiпса як А , менший радiус - як В , юльюсть точок у ЛБШ позначимо як т . Тодi координати gix та giy для кожного ткселя околу gi (1 = 1,2,...,т) будуть визначатися за формулами:
g1I = А ■ еов(91), g1y = В ■ sin(ei)
де 91 = 0..2п .
На рис. 8 представлений приклад ЕЛБШ з рiзними значеннями А , В та т.
Рис. 7. Зв'язок пстограм з областями дослщжуваного зображення
Для зображення розмiром Nх M вектор ознак обличчя будуеться обчисленням ЛБШ-коду для кожноï точки (xc,yc) , де xc e{R + 1,...,N - R} , yc e{R + 1,...,N - R} . Якщо зображення роздiлено на kхk областей, Нстограма обласш (kx,ky), де kx e{1,...,k} та ky e{1,...,k} буде визначена так:
а)
б)
Hi(kx,ky) = £ LBPp,R(x,y)
x,y
{R + 1,...,N/k}
(7)
де x e
kx = 1
{(kx - 1)(N/k + 1,...,N- R)} kx = k {(kx- 1)(N/k + 1,...,kx(N/k)} V=0:H5
ye
{R + 1,...,M/k} {(ky - 1)(M/k + 1,...,M- R)}
ky =1 ky = k
{(ky- 1)(M/k + 1,...,ky(M/k)} V=0:H5
Рис. 8. ЕЛБШ: а) A = 2,B = 1,m = 8 ; б) A = 3,B = 2,m = 16
Щоб визначити ефективнiсть даних методiв не-обхiдно органiзувати два дослiдження: перше на виз-начення ефективностi знаходження зони обличчя на зображенш, i друге для визначення ефективност розтзнавання. Для проведення першого дослщження будуть використовуватися щеальш, з точки зору об-робки, зображення облич трьох основних титв [7]: квадратне, конiчне, овальне (див. рис. 9).
Розмiр даних облич буде коливатися в дiапазонi 100х125 - 370х463 пiкселiв. Однiею з важливих осо-бливостей обличчя е його колiр та текстура. В експе-рименп використанi обличчя з iдеальною текстурою шюри та iдеальним освiтленням, що покращуе спосте-реження.
Також важливим параметром при дослщженш е змша контрасту, гамма-корекцп, кольорових каналiв
=1
та шум. При дослщженш отримуватимемо характеристики звичайних зображень (без спотворень) та склад-них (присутш вищезгадаш спотворення).
Для проведення другого експерименту необхщний набiр облич. Для повноти дослщження необхiдно мати рiзнi за положенням обличчя. У експерименН була використана база облич дослiдницькоi лабораторп Олiветтi (ORL-Olivetti research laboratory), яка склада-еться з 400 зображень облич 40-а осiб (тобто по 10 зображень на одну особу), яю мають рiзнi вирази обличчя (наприклад, з розплющеними/заплющеними очима, з посмшкою/без посмiшки) та наявшсть/вщсутшсть окулярiв [8]. Усi зображення облич розташоваш на темному фош, у фронтальнiй позицii з нахилами та поворотами голови до 20 градуив та змшою масштабу до 10%. Ум зображення тоновi i мають розмiр 48х48 пiкселiв. В даному дослщженш будуть використовува-тися 5 омб, якi визначенi шд номерами: 1, 27, 40, 9 i 20. На рис. 10 наведеш зображення облич осiб з бази ORL, як будуть використовуватися у дослщженш.
а)
б)
в)
Рис. 9. 1деальж обличчя: а) обличчя №1 (квадратне обличчя); б) обличчя №2 (кошчне обличчя); в) обличчя №3 (овальне обличчя)
В якосН головного зображення, тобто такого з яким буде проводитися порiвняння, було обрано перше зображення особи №1. Такий вибiр поясню-еться тим фактом, що растровi зображення особи №1 дуже рiзняться за положенням обличчя. Строго в фронтальнш позицп знаходяться зображення шд номером 1, 3, 7 та 8. Зображення шших ос1б е бьчып сталим за положенням обличчя, тому будуть не тага щкав1, з точки зору розшзнавання, як зображення особи №1.
а)
б)й
в)
г)
Д)
ш-1
1
нннв
« * * J •■ , 1 J.
щ в >■>1 т. tfs W ^ Mb 0K> m \ f%
к j
"W.Clfc --r cr
W. j Si- A. J^-j 1 ^ 4 w f j v j \i
^ ,г| Ж .Т- ] я Си Ct г?»» «р» -r.-rnvt.
* ^ —A*» t % ► »i* * f * » 'w - Iw It- < — /
Рис. 10. Зображення облич oci6 з бази ORL а) особа №1; б) особа №27; в) особа №40; г) особа №9; д) особа №20
Шд час першого дослщження визначення ефек-тивносп знаходження зони обличчя на зображенш було встановлено, що передобробка зображення за-ймае дуже малий промiжок часу (менше однiеi мШсе-кунди). Максимальний час обробки був зафжсований на комп'ютерi з процесором Intel Celeron 2ГГц, 248 МБ ОЗУ та операцшною системою Windows XP SP3, вш склав 16 мiлiсекунд. Також, експериментальним шляхом, було встановлено, що дана передобробка чутлива до змiн контрасту зображення. Так контраст повинен лежати в дiапазонi вщ -5 до 30 одиниць.
Даш по робот алгоритму виявлення зони обличчя на зображенш зручно представляти в графiчному виглядь На рис. 11 представлен кривi часу обробки та виявлення обличчя №1, 2 та 3. В даному випадку на вхщ системи подавались зображення облич пред-ставлених на рис. 9, яю розмщувались по центру форми, зi сталим однотонним фоном зеленого кольору, без спотворень. Дослщження проводились i на шших комп'ютерах, результати дослщжень зведенi у табл. 1.
Таблиця 1
Результати дослщжень по виявленню зони облич-
Виявлення зони обличчя Середнш час виявлення зони обличчя на зображенш*
процесор Intel Core 2 Duo 3.16ГГц, 3,25 ГБ ОЗУ процесор Intel Celeron 2,00 ГГц, 248МБ ОЗУ процесор AMD Sempron Processor 3000+ 1.61ГГц, 448МБ ОЗУ
Без передобробки 195 505 339
З передобробкою 109 239 178
* розм1р зображення 640х480 шксел1в, зона обличчя на зображенш коливалась в д1апазош вщ 100x125 до 370x463 шксел1
PosMip зображення
Розм1р зображення
а)
б)
в)
Рис. 11. Залежносп часу виявлення обличчя вщ розмiру
обличчя на зображенш: а) час обробки та виявлення обличчя №1; б) час обробки та виявлення обличчя №2; в) час обробки та виявлення обличчя №3
Даш по робоп методу ЛБШ зручно представляти в графiчному виглядь На рис. 12 представлен кривi вщстаней мiж головним зображенням та вхщними зображеннями осiб. На рис. 12 (а) представлена робота класичного методу ЛБШ: б^ьший та менший радiуси
- 1 пiксель, кiлькiсть точок околу - 8 точок, 6х6 сек-торiв (така кiлькiсть секторiв являеться оптимальною для зображень в дiапазонi 45х45 - 55х55 пiкселiв); рис. 12 (б) - модифжований метод ЛБШ: бiльший радiус
- 3 тксел^ менший радiус - 2 тксел^ кiлькiсть точок околу - 16 точок, 6х6 секторiв; рис. 12 (в) - класичний метод ЛБШ + ваги по секторам (див. рис. 13); рис. 12 (г)
- модифжований метод ЛБШ + ваги по секторам.
а)
б)
23456789 10 Номер обличчя
в) г)
Рис. 12. Вщсташ мiж пстограмами, що представляють обличчя: а) робота класичного методу ЛБШ; б) робота модифкованого методу ЛБШ; в) робота класичного методу ЛБШ + ваги по секторам; г) робота модифкованого методу ЛБШ + ваги
по секторам
2 1 1 1 1 1 2
2 4 4 3 4 4 2
1 1 1 2 1 1 1
0 1 1 2 1 1 0
0 1 1 1 1 1 0
0 1 1 2 1 1 0
0 1 1 1 1 1 0
Рис. 13. Ваги по секторам
4. Висновки за результатами дослщження
В ходi дослщження було встановлено наступне:
1. Передобробка зображення по кольору шюри чутлива до змшу контрасту (в середньому лежить в дiапазонi вщ -5 до 30 одиниць), але займае дуже малий час роботи (менше однiеï мШсекунди).
2. Пошук обличчя методом Viola-Jones малочутли-вий до кольорових спотворень, але час роботи при рiз-них кольорових спотвореннях становить в середньому 224 мШсекунди.
3. Якщо поеднати передобробку зображення по ко-льору шюри та пошук обличчя методом Viola-Jones, то час роботи при рiзних кольорових спотвореннях ста-новить в середньому 118 мШсекунд. Це на 47% швид-ше шж просто пошук обличчя методом Viola-Jones.
4. Дощльшсть використання передобробки довело подальше дослщження. Дослщження проводились на трьох комп'ютерах при рiзних розмiрах зони обличчя, яке коливалося в дiапазонi 100 х125 - 370 х463 пiкселi. Комп'ютери, яю брали участь в експериментi: перший - процесор Intel Core 2 Duo 3.16ГГц, 3,25 ГБ ОЗУ, опе-рацшна система Windows XP SP3; другий - процесор Intel Celeron 2,00 ГГц, 248МБ ОЗУ операцшна система
Windows XP SP3; третш - процесор AMD Sem-pron Processor 3000+ 1.61ГГц, 448МБ ОЗУ, операщйна система Windows XP SP3. Час виявлення зони обличчя на першому комп'ютер1 без передобробки склав в середньому 195 Mi.iii-секунд, а з передоброб-кою - 109 мШсекунд (покращення на 44%). Час виявлення зони обличчя на другому комп'ютер1 без передобробки склав в середньому 505 мьгпсекунд, а з передобробкою - 239 мШсекунд (покращення на 53%). Час вияв-лення зони обличчя на третьому комп'ютерi без передобробки склав в середньому 339 мШ-секунд, а з передоброб-кою - 178 мШсекунд (покращення на 47%).
5. Отже використання передобробки з одного боку обмежуе використання методу Viola-Jones щодо спотворень по контрасту, але з шшого боку покращуе час виявлення зони обличчя в середньому на 48%.
6. При використанш класичного методу ЛБШ вщ-стань мiж головним зображенням та зображеннями особи №1 в середньому склала 105 одиниць; вщстань до зображень особи №27 склала приблизно 126 одиниць ^зниця 20%); вщстань до зображень особи №9 склала приблизно 149 одиниць ^зниця 41%); вщстань до зображень особи №40 склала приблизно 123 одинищ ^зниця 17%); вщстань до зображень особи №20 склала приблизно 130 одинищ ^зниця 23%).
7. При використанш модифжованого методу ЛБШ вщстань мiж головним зображенням та зображення-ми особи №1 в середньому склала 2640 одиниць; вщстань до зображень особи №27 склала приблизно 3105 одиниць ^зниця 18%); вщстань до зображень особи №9 склала приблизно 2938 одиниць ^зниця 11%); вщстань до зображень особи №40 склала приблизно 3406 одиниць ^зниця 29%); вщстань до зображень особи №20 склала приблизно 3493 одинищ ^зниця 32%).
8. При використанш класичного методу ЛБШ та на-дання ваг секторам ввдстань мiж головним зображенням та зображеннями особи №1 в середньому склала 107 одиниць; ввдстань до зображень особи №27 склала при-близно 99 одиниць ^зниця -7%); вщстань до зображень особи №9 склала приблизно 99 одиниць ^зниця -7%); вщстань до зображень особи №40 склала приблизно 131 одиниця ^зниця 22%); вщстань до зображень особи №20 склала приблизно 152 одинищ ^зниця 42%).
9. При використанш модифжованого методу ЛБШ та надання ваг секторам ввдстань мiж головним зо-браженням та зображеннями особи №1 в середньому склала 2617 одиниць; вщстань до зображень особи №27 склала приблизно 2635 одиниць ^зниця 0,68%); вщстань до зображень особи №9 склала приблизно 2252 одинищ ^зниця -13%); вщстань до зображень особи №40 склала приблизно 2819 одиниць ^зниця 8%); вщстань до зображень особи №20 склала приблизно 3071 одиницю ^зниця 17%).
10. Проаналiзувавши графжи (див. рис. 12 а, б) та висновки 6 та 7 пункпв, можна зробити хибний вис-новок, що використання класичного методу ЛБШ е найбшьш прийнятним. Осюльки при розтзнаванш даним методом важливою характеристикою е насюль-ки зображення рiзнi, а не насюльки зображення сxожi, то стае очевидним, що використання модифжованого методу краще. Рiзнiсть мiж зображеннями класичним методом ЛБШ лежала у промiжку 57-117 одиниць, а модифжованого - 298-853 одинищ.
11. Проаналiзувавши графжи (див. рис. 12 в, г) та висновки 8 та 9 пункпв, можна спостертти деяке попршення результату розпiзнавання. При додаваннi ваг по секторам рiзнiсть мiж зображеннями класичним методом ЛБШ лежала у промiжку -8-38 одиниць, а модифжованого - -365-454 одинищ. Попршення розшзнавання пояснюеться тим фактором, що у набо-рi зображень особи №1 лише на чотирьох зображеннях особа представлена в строго фронтальному положенш (1, 3, 7 та 8 зображення), а ваги секторiв розроблюва-лись для зображень облич, яю знаходяться строго в фронтальному положенш. Якщо враховувати пльки зображення, яю знаходяться в строго фронтальному положенш, то отримуемо наступну картину: при використанш класичного методу ЛБШ вщстань мiж головним зображенням та зображеннями особи №1 в середньому склала 93 одинищ, а рiзниця вщстаней до шших оаб коливалась у промiжку 6-52 одинищ; при використанш модифжованого методу ЛБШ вщстань мiж головним зображенням та зображеннями особи №1 в середньому склала 2027 одиниць, а рiзниця вщ-станей до шших оаб коливалась у промiжку 195-1044 одиницi.
12. Проаналiзувавши вищесказане можна конста-тувати, що використання звичайного методу ЛБШ краще шж модифiкованого, так як рiзниця мiж вщста-нями даних методiв складае 3% на користь класичного методу ЛБШ: середня рiзниця мiж зображеннями, роз-пiзнаними класичним методом ЛБШ склала 26% (див. 6 п.), а модифжованим - 23% (див. 7 п.). При додаванш вагових коефвденпв по секторам i врахуванш облич в строго фронтальному положенш рiзниця мiж вщста-нями змшюеться до 4%, але вже на користь модифжо-ваного методу ЛБШ: середня рiзниця класичним методом ЛБШ склала 29%, а модифжованим - 33%. Для
методу ЛБШ важливою характеристикою являеться ввдстань мiж зображеннями, тому чим бiльша рiзниця мiж зображеннями рiзниx осiб, тим нижча ймовiрнiсть помилкового розпiзнавання. Отже використання мо-дифiкованого методу ЛБШ з наданням вагових коефь щенпв по секторам е бiльш прийнятним.
5. Висновки
У данш робот наведено вирiшення науково! задачi комп'ютерно! iдентифiкацiï людини на основi аналiзу фронтального зображення обличчя. Аналiз отриманих результапв дозволяе зробити наступнi висновки:
1. Проведений аналiз стану проблеми комп'ютерно! iдентифiкацiï людини за зображенням обличчя показав, що в даний час для виршення задач автоматичного виявлення i розшзнавання не вироблено единого i над-шного шдходу. Для подальшого розвитку та дослвд-жень обрано наступнi методи виршення поставлено'! задачi, яка розд^яеться на два послiдовниx етапи:
- виявлення - передобробка зображення та пошук зони обличчя методом Viola-Jones;
- розшзнавання - обрахунок локальних бшарних шаблошв, сшвставлення гiстограм зображень та виз-начення вiдстанi мiж зображеннями.
2. Одержав подальший розвиток метод пошуку об-ластi обличчя на зображенш в напрямку зменшення часу виявлення обличчя за рахунок попередньо! обробки зображення. Проведене дослвдження показало покращення часу виявлення обличчя на зображенш майже у 2 рази (середне зменшення часу складае 48%).
3. Удосконалено метод щентифжацп, заснований на використанш локальних бшарних шаблошв зображення, у напрямку зниження сумарно! помилки розшзнавання. Розроблений метод використовуе мо-дифжоваш шаблони для побудови кожно! пстограми зображення. Тобто для формування опису околу шк-селя використовуеться не 8, а 16 точок околу, як розташоваш не на кол^ а на елша вщносно центрального шкселя. Також, для пiдвищення точности потрiбно надавати ваговi коефiцiенти по секторам (рис. 13). Використання запропонованого тдходу дозволяе зни-зити сумарну помилку розшзнавання з 31% до 27% при виршенш задачi контролю доступу (даш отриманi експериментальним шляхом на спроектованш системi при реальних умовах розшзнавання).
4. Запропоноваш в робот методи реалiзованi в програмному продукт^ який здiйснюе пошук обласп обличчя на зображеннi та розшзнавання людини за зображенням обличчя.
Лиература
1. Распознавание образов мобильным роботом [Електрон-ний документ]. Режим доступу: http://www.ampersant. ru/glaz/. Перев1рено: 13.04.2010.
2. Viola P., Jones M. Robust Real-Time Face Detection. // International Journal of Computer Vision. - 2004. - №57(2). - С. 137-154.
3. Кудряшов П.П. Алгоритмы обнаружения лица человека для решения прикладных задач анализа и обработки изображения. // ВГТУ. - 2007. - С. 23.
4. Петрашко А.А. Сегментация в контексте задачи обнаружения лиц на изображении. // Доклады ТУСУРа. - 2007. - №2(16). - С. 129-133.
5. Face Detection processing by Ali Tavakoli [Електронний документ]. Режим доступу: http://www.codeproject.com/KB/cs/Fa-ce_Detection_processing.aspx. Перевiрено: 22.04.2010.
6. Маслш Р.В. Використання локальних бшарних шаблошв для розтзнавання облич на натвтонових зображеннях. //Науковi пращ ВНТУ.- 2008.- №4.- С.1-6.
7. Merkmale eines schonen Gesichts [Електронний документ]. Режим доступу: http://www.beautycheck.de/cmsms/index.php/mer-kmale-schoener-gesichter. Перевiрено: 22.03.2010.
8. The Database of Faces [Електронний документ]. Режим доступу: http://www.cl. cam.ac.uk/research/dtg/attarchive/facedatabase. html. Перевiрено: 20.02.2010.
Дана загальна характеристика про-цесу визначення якостi одягу. Розглянута можлив^ть використання фотографiчного зображення зразка виробу. Доказана дощль-тсть застосування методу цифровог фотографа
Ключовi слова: проектування одягу,
ятсть одягу, цифрова фотографiя
□-□
Дана общая характеристика процессу определения качества одежды. Рассмотрена возможность использования фотографического изображения образца изделия. Доказана целесообразность применения метода цифровой фотографии
Ключевые слова: проектирование одежды, качество одежды, цифровая фотография
□-□
General description is given to the process of determination the quality of clothes. Possibility to the use of photographic image of clothes is considered. Expedience of application the method of digital picture is well-proven
Keywords: planning of clothes, quality of clothes, digital picture
УДК 687.016.5
ЗАСТОСУВАННЯ МЕТОДУ ЦИФРОВО1 ФОТОГРАФЫ ДЛЯ ВИЗНАЧЕННЯ ЯКОСТ1
ОДЯГУ
В. В. Зал Ki нд
Кандидат техшчних наук, асистент* Контактний тел. (057) 335-18-05 E-mail: kafedra@tlp.uipa.kharkov.ua
М.Л. Рябчиков
Доктор техычних наук, професор, завщувач кафедри* Контактний тел. (057) 733-78-06 E-mail: kafedra@tlp.uipa.kharkov.ua *Кафедра "Технологш та дизайну" УкраТнська шженерно-педагопчна академия вул. Ушверситетська, 16, м. Хармв, УкраТна, 61003
Вступ
Яюсть одягу, як i будь-якого товару, завжди зна-ходиться у центрi уваги спещалшпв. Саме вщ не1 залежить конкурентноздатшсть одягу i доходшсть швейного бiзнесу.
В процеа проектування одягу створюеться не лише об'ект споживання, але i художнш витвiр, здатний за-безпечити естетичнi потреби споживача. Тому, для проектування одягу особливе значення мають саме споживчi вимоги, визначення яких потребуе використання передових технологи, притаманних сучасному стану розвитку науки i техшки.
Постановка проблеми
Проблема в ощнки якосп швейних виробiв полягае в 11 суб'ективному характерь Якiсть одягу неможливо ощнити тiльки за допомогою технiчних вимiрюваль-них устро'1в. Мова йде про вимоги споживачiв, якi не пльки непостiйнi в часi, а також залежать вщ штерва-лу зорово1 байдужостi. Це означае, що дефекти в одязi залежать вiд того, чи помггш вони оку.
Таким чином, для визначення якосп одягу необ-хiдно проводити опитування споживачiв або залучати експертiв, для чого необхщно представити зразок виробу кожному з них. На сьогодш е можлившть замiни-
