CC BY
7
УДК 004.931
Б.Н. Епифанцев, B.N. Epifantsev, e-mail: nigrey.n@mail.ru *А.А. Архипов, A.A. Arkhipov, e-mail: arkhipovit@gmail.com Сибирская государственная автомобильно-дорожная академия, г. Омск, Россия Siberian state automobile and highway academy, Omsk, Russia
ОБ ЭФФЕКТИВНОСТИ ПРИЗНАКА АСИММЕТРИИ ИЗОБРАЖЕНИЯ ЛИЦА В ЗАДАЧАХ ИДЕНТИФИКАЦИИ ОПЕРАТОРА ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМ*
EFFICIENCY OF FACIAL ASYMMETRY FEATURE OF THERMAL AND VISIBLE IMAGES IN PROBLEMS OF HUMAN-MACHINE SYSTEMS OPERATOR'S IDENTIFICATION*
Оценена информативность признака «асимметрия лица» и возможность его использования для скрытой идентификации операторов человеко-машинных систем в процессе профессиональной деятельности. Установлено, что верхняя часть лица более значительно отличается на видеоизображениях, на тепловых снимках такой эффект присущ участкам между глазами и губами.
Descriptiveness of face asymmetry feature and possibility of its use for the hidden human-machine systems operator's identification in the course of professional activity is estimated. We found the upper part of the face is significantly different from the other ones for visible images. For thermal images the most effective feature is asymmetry of the middle region between eyes and lips.
21
Динамика систем, механизмов и машин, № 4, 2014
Ключевые слова: изображение лица, идентификация изображений, асимметрия лица, идентификационные возможности признака
Keywords: face asymmetry, identification, feature descriptiveness, visible image, thermal image
В последние годы все более четко вырисовывается новая проблема в обеспечении надежности человеко-машинных систем. Речь идет об интенсивном приросте числа случаев несанкционированного доступа человека к управлению системой, стимулируемого ожидаемой выгодой [1,2] или террористическими мотивами [3]. В литературе представлены данные по экономическому ущербу (более 700 млрд. долл. в год) характеризующие компьютерные преступления от внутренних угроз [4].
Продвижение в решении обозначенной проблемы видится в использовании способов и средств скрытой идентификации операторов информационно-вычислительных систем с оценкой их психофизиологического состояния по биометрическим признакам. Однако «...в настоящее время проведение автоматизированной идентификации по двумерным изображениям лица не обеспечивает должной надежности принятия решений...» и «...решение этой задачи относится к одной из главных проблем 21-го века» [5].
В задачах по разработки систем компьютерного зрения превалирует точка зрения, что лицо человека обладает билатеральной симметрией, и вероятность правильного распознавания субъекта не зависит от анализируемой половины лица. Приводимые в литературных источниках оценки вероятностей правильного распознавания изображений лиц колеблются от 68,8—88,5% [6] до 98,55%[7]. Для увеличения этих показателей необходимо использовать дополнительные признаки. Согласно исследованиям психологов наиболее узнаваемыми являются люди с асимметричными лицами [8].
Для оценки информативности признака»асимметрия лица» сформирована выборка из 400 изображений, 200 из которых получены в видимом диапазоне излучений, 200 - в тепловом (8—14 мкм). На первом этапе в соответствии с алгоритмом [9] находились оси билатеральной симметрии (рис. 1).
Рис. 1. Иллюстрация формирования оси билатеральной симметрии для видеоизображения
С целью нахождения наиболее информативной области лица человека каждое изображение было разделено на три области: верхнюю (часть лба, надбровные дуги, область глаз и часть переносицы), среднюю (до верхней губы) и нижнюю (до окончания подбородка). Для каждой области найден коэффициент корреляции левой и правой половин.
22
Динамика систем, механизмов и машин, № 4, 2014
Результаты расчетов приведены на рис. 2. Наиболее информативной оказалась средняя область, наименьшим разнообразием сюжетов характеризуется нижняя часть. Тепловые снимки оказались более информативными, нежели полученные в видимом диапазоне излучений.
Б
■ ■ ■ ■
1
N111 1111 1 1 1 1 1 1 1 1 ........
Рис. 2. Гистограммы коэффициентов корреляции левой и правой частей изображений лиц:
а) верхняя, б) средняя, в) нижняя области лица
Для 20 испытуемых построены эталоны асимметрии их лиц - плотности распределения вероятностей коэффициентов корреляции правой и левой половин лица для каждой из вышеупомянутых областей. Проведен эксперимент по оценке вероятности правильного распознавания указанных субъектов. Алгоритм идентификации строился на базе модифицированной стратегии Байеса [10]. Полученные оценки вероятностей при использовании признака - асимметрии всей области лица составили 0,52 для видеоизображений и 0,66 для тепловых снимков.
Об информативности исследуемого признака можно судить по следующим данным. Согласно общей теоремы о повторении опытов вероятность того, что событие
а) Термо ■ Видео
40
-10 О? 1 1 1 1 1 I'I® fa <0 <<Р <0 ¿Г) Л Л<Э Jh et> ОГ О' о? О' о? О' оО О' о? r - коэффициент асимметрии лица 11 1 , * ** %
б) ■ Видео
20 Термо
15
10 5
о ^ ^
r - коэффициент асимметрии лица
Ра. - 2010. - № 1 (21). - C. 79.
3. Белоножкин, В. И. Информационные аспекты противодействия терроризму / В. И. Белоножкин, Г. А. Остапенко. - М. : Горячая линия - Телеком, 2011. - 112 с.
4. Епифанцев, Б. Н. Борьба с инсайдерскими угрозами: системный подход / Б. Н. Епифанцев // Доклады ТУСУРа. - 2008. - № 2 (18). - C. 73-74
5. Гермогенов, А. П. Биометрические технологии идентификации личности и вопросы информационной безопасности их применения в государственных системах / А. П. Гермогенов // Бизнес и безопасность в России. - 2007. - № 46. - C. 45-49.
6. Mlakar, T. Face image registration for improving face recognition rate / T. Mlakar, J. Zaletelj, J. F. Tasic // Elektrotehniski Vestnik. - 2007. - Т. 74. - №. 1. - С. 43-48.
7. Domboulas, D. I. Uncooled infrared-imaging face recognition using kernel-based generalized discriminant analysis / D. I. Domboulas, M. P. Fargues, G. Karunasiri // Optical Engineering. - 2007. - Т. 46, №. 8.
8. Schmid, K. Computation of a face attractiveness index based on neoclassical canons, symmetry, and golden ratios / K . Schmid, D. Marx, A. Samal // Pattern Recognition. - 2008. -Т. 41, №. 8. - С. 2710-271.
9. Facial asymmetry quantification for expression invariant human identification / Y. Liu [et al.] // Computer Vision and Image Understanding. - 2003. - Т. 91, №. 1. - С. 138-159.
10. Епифанцев, Б. Н. Сравнение алгоритмов комплексирования признаков в задачах распознавания образов /Б. Н. Епифанцев, П. С. Ложников, А. Е. Сулавко // Вопросы защиты информациии. - 2012. - № 1. - С. 60-66.
24
