Решетневскуе чтения. 2013
Определяют все возможные варианты разбиения фрагментов изображения, предположительно являющихся строками текста, на фрагменты, предположительно относящиеся к изображениям отдельных слов, по надежно распознанным пробелам.
После проведения указанных выше операций, найденные рукописные слова можно распознать с наибольшей точностью.
Библиографические ссылки
1. Лазарев Д. С. Сегментация рукописных строк в системах обработки текстовых документов // Молодежь и современные информационные технологии : сб. материалов Всерос. науч. конф. студентов, аспирантов и молодых ученых. Томск, 2012. С. 714.
2. Способ распознавания текстовой информации из графического файла с использованием словарей и
дополнительных данных [Электронный ресурс]. URL: http://www.findpatent.ru/patent/229/2295154.html (дата обращения: 09.09.2013).
References
1. Lazarev D. S. Segmentacija rukopisnyh strok v sistemah obrabotki tekstovyh dokumentov [Tekst] / D.S. Lazarev // Molodezh' i sovremennye informacionnye tehnologii : sb. materialov vserossijskoj nauchnoj konferencii studentov, aspirantov i molodyh uchenyh Tomsk, 2012, str. 714.
2. Sposob raspoznavanija tekstovoj informacii iz graficheskogo fajla s ispol'zovaniem slovarej i dopolnitel'nyh dannyh [Jelektronnyj resurs]. URL: http://www.findpatent.ru/patent/229/2295154.html. Zagl. s jekrana. (data obrashhenija: 09.09.2013).
© Лазарев Д. С., Ненашева А. А. 2013
УДК 004.93
ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ИЗОБРАЖЕНИЯ ДЛЯ РАСПОЗНАВАНИЯ ПОЛА
И ВОЗРАСТА ЧЕЛОВЕКА
М. А. Лаптева, К. М. Болдырев
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Россия, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: maria_007.ru@mail.ru
Рассмотрена разработка системы, различающей людей на изображениях по гендерному признаку (разбиение на два класса: «мужчины» и «женщины»), которая основана на специализированном аппаратном и программном обеспечении. Использование данной системы в сфере рекламы позволит адаптировать коммерческие предложения для человека.
Ключевые слова: реклама, гендерный признак, метод опорных векторов.
IMAGE PREPROCESSING FOR RECOGNIZING A PERSON GENDER AND AGE
M. A. Lapteva, K. M. Boldyrev
Siberian State Aerospace University named after academician M. F. Reshetnev 31, "Krasnoyarsky Rabochy" Av., Krasnoyarsk, 660014, Russia. E-mail: maria_007.ru@mail.ru
The research is devoted to the development of the system for people discriminating on the pictures by gender feature (splits into two classes: "men" and "women"), which is based on a dedicated hardware and software. The usage of this system in the field of advertising will allow to adapt the commercial offers for the individual.
Keywords: advertising, gender feature, support vector machine.
Успех любого бизнеса во многом зависит от рекламы. Реклама - двигатель торговли. Применение систем распознавания пола и возраста человека по изображению позволяет увеличить эффективность рекламы, транслируя информацию, направленную на определенный круг лиц [1]. Подобные системы находят широкое применение в различных областях: робототехнике, интерфейсах взаимодействия «человек-компьютер», системах сбора и оценки демографиче-
ских показателей, видеонаблюдении, системах интеллектуального представления информации с цифровых носителей и многих других.
Задача распознавания пола на сегодняшний день менее изучена. Существуют подходы, основанные на нейронных сетях, на комбинации вейвлетов Га-бора и метода главных компонент, на анализе независимых компонент и линейном дискриминантном анализе.
Программные редктва и информационные технологии
Предварительная обработка изображения для определения пола и возраста человека заключается в нахождении лица и его характерных черт (глаза, нос, рот) [3]. Для генерации признаков используется генетический алгоритм и классификатор на базе метода опорных векторов. С помощью метода опорных векторов можно построить классификатор, минимизирующий верхнюю оценку ожидаемой ошибки классификации.
Применение метода опорных векторов к задаче обнаружения лица заключается в поиске гиперплоскости в признаковом пространстве, отделяющей класс изображений лиц от изображений не лиц.
Классификатор строится на базе адаптивных признаков и метода опорных векторов [2]. Данный алгоритм включает в себя следующие шаги: преобразование цветового пространства, масштабирование, вычисление набора адаптивных признаков, классификацию методом опорных векторов с применением ядерного преобразования.
В качестве входных данных выступает изображение, которое загружается с компьютера через диалоговое окно, после чего на выходе получаются бинарное изображение, гистограммы, необходимые для определения координат характерных черт лица, изображение с выделенной областью глаз, областью носа и рта. На основе анализа основных признаков выделенных черт система делает вывод о половой принадлежности и возрасте человека.
В результате система начинает показывать рекламные материалы в соответствии с полом и возрастом человека, что позволяет повысить эффективность продаж и прибыльность компании, а также проводить рекламные акции для определенной категории людей и избавить посетителей от ненужной им рекламы.
Интерфейс и основные функции программного продукта разрабатываются в среде быстрой разработки приложений RAD Delphi. Такая система распознавания пола и возраста человека акцентирует внимание на клиентах для улучшения качества обслуживания и повышения прибыли компании.
Библиографические ссылки
1. Никонов В. Распознавание возраста по фотографии [Электронный ресурс]. URL: http://log-in.ru/articles/raspoznavanie-vozrasta-po-fotografii/ (дата обращения: 12.09.2013).
2. Потапов А. С. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания : монография / СПб. : Политехника, 2007. 205 c.
3. Шмаглит Л. А., Голубев М. Н., Приоров А. Л. Сравнительный анализ алгоритмов выделения лиц на изображениях при наличии нормального шума // Нейрокомпьютеры и их применение : тез. докл. IX Все-рос. науч. конф. М., 2011. С. 37.
References
1. Nikonov V. Raspoznavanie vozrasta po fotografii [Jelektronnyj resurs]. URL: http://log-in.ru/articles/raspoznavanie-vozrasta-po-fotografii/ (data obrashhenija: 12.09.2013).
2. Potapov A. S. Raspoznavanie obrazov i mashinnoe vosprijatie: obshhij podhod na osnove principa minimal'noj dliny opisanija : monografija / SPb.: Politehnika, 2007. 205 c.
3. Shmaglit L. A., Golubev M. N., Priorov A. L. Sravnitel'nyj analiz algoritmov vydelenija lic na izobrazhenijah pri nalichii normal'nogo shuma // Tez. dokl. IX vseros. nauch. konf. «Nejrokomp'jutery i ih primenenie». M., 2011. S. 37.
© Лаптева М. А., Болдырев К. М., 2013
УДК 81'32
НЕКОТОРЫЕ ПРИНЦИПЫ АВТОМАТИЧЕСКОЙ ГЕНЕРАЦИИ СТЕГАНОГРАФИЧЕСКИХ ШИФРОВ В ФОРМЕ ОСМЫСЛЕННОГО ТЕКСТА ПРЕДОПРЕДЕЛЕННОЙ ТЕМАТИКИ
Д. В. Личаргин, М. М. Кучеров
Сибирский федеральный университет Россия, 660074, Красноярск, ул. Киренского, 28
Рассматриваются некоторые принципы семантической трансформации кодируемого текста в осмысленный текст на основе представления высказываний в виде функций над многомерным метрическим пространством единиц языка. Предлагается принцип выбора подмножества проекций кодируемого текста на текст стеганографического контейнера для сохранения естественной для используемых слов частотности в целях обеспечения криптографической стойкости к использованию метода больших уклонений. Предложенный подход может позволить улучшить криптостойкость кодирования в контейнерах текста на естественном языке.
Ключевые слова: криптография, криптостойкость, компьютерная лингвистика, порождение естественного языка.