РАСПОЗНАВАНИЕ ЛИЦ МЕТОДОМ ВИОЛЫ-ДЖОНСА Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.032.26

РАСПОЗНАВАНИЕ ЛИЦ МЕТОДОМ ВИОЛЫ-ДЖОНСА

Д.Ф. Лоботов *, Я. А. Соколов Научный руководитель - Е.А. Юронен

Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31.

E-mail: * dopthanne@gmail.com

На данный момент существует множество методов обнаружения объектов на изображении, к примеру, метод Виолы-Джонса. Практически все эти методы основаны на вычислении свертка с определенным паттерном. Такой подход ведет к существенному возрастанию объема вычислений при увеличении размеров исходной сцены, что делает его менее популярным в системах реального времени и ограниченных вычислительных мощностях. В статье предлагается метод улучшения алгоритма Виолы-Джонса, позволяющий снизить вычислительные нагрузки без ущерба точности.

Ключевые слова: нейрон, алгоритм, раздражитель, нейронная сеть, объект, массив, компьютерное зрение.

VIOLA-JONES FACIAL RECOGNITION

D.F. Lobotov *, Ya.A. Sokolov Scientific supervisor - E.A. Yuronen

Reshetnev Siberian State University of Science and Technology 31, Krasnoyarskii rabochii prospekt, Krasnoyarsk, 660037, Russian Federation

E-mail: * dopthanne@gmail.com

At the moment, there are many methods for detecting objects in an image, for example, the Viola-Jones method. However, almost all of these methods are based on calculating convolution with a certain pattern. This approach leads to a significant increase in the number of computations with an increase in the size of the original scene, which makes it hardly applicable in real-time systems and limited computing power. The article proposes a methodfor improving the Viola-Jones algorithm, which allows to reduce computational loads without sacrificing accuracy.

Key words: neuron, algorithm, stimulus, neural network, object, array, computer vision.

Введение. Человеку не составляет труда, глядя на изображение, в тот же момент осознать и понять, что именно на изображении находится, как они связаны между собой, как взаимодействуют, каким образом расположены. Наша зрительная система обладает высокой скоростью работы и точностью, и это позволяет совершать нам какие-либо действия не задумываясь, например, управлять автомобилем или идентифицировать личность знакомого нам человека по лицу [3].

Секция «Информационно-управляющие системы»

Метод был разработан и представлен в 2001 году Полом Виолой и Майклом Джонсом [1]. Разработанный ими метод стал прорывным и по сей день является основополагающим для поиска объектов в реальном времени на изображении. Метод Виолы-Джонса является одним из лучших по соотношению показателей скорость работы и эффективность распознавания. Алгоритм идентифицирует объект с небольшим углом до 30 градусов, если угол будет больше, то показатели эффективности распознавания резко падают [5]. Одним из прочих качеств также является низкая вероятность ложного обнаружения объекта. В основе данного метода лежит технология сканирующего окна [4].

Суть технологии сканирующего окна состоит в том, что рамка меньшего размера, чем исходное изображение, двигается с некоторым шагом по изображению, и, используя каскад классификаторов, определяет наличие лица в данном окне.

В составе данного метода два алгоритма: алгоритм распознавания и алгоритм обучения. Практическую пользу приносит лишь скорость распознавания, а не скорость обучения. К преимуществам данного метода следует отнести возможность использования данного метода в видеопотоке и возможность обнаружения более одного лица. Метод Виолы-Джонса так же можно использовать для распознавания других объектов [2].

В начале, алгоритм обучения на основе тестовых изображений обучает базу данных, состоящую из признаков, их границ и паритета. После этого, алгоритм ищет объекты на разных масштабах изображения, используя данные, полученные в результате обучения базы данных. Далее, алгоритм Виолы-Джонса принимает решение о том, как объекты действительно присутствуют в кадре, а что является дублем.

Для детектирования признаков может используется метод распознавания признаков Хаара. В методе Виолы-Джонса используются прямоугольные признаки, называемые примитивами Хаара, что изображено на рис. 1. Выбор признаков осуществляется с использованием алгоритма бустинга, при котором происходит процедура последовательного построения композиции алгоритмов машинного обучения, когда последующий пытается компенсировать недостатки композиции всех предыдущих алгоритмов.

Рис. 1. Стандартные и дополнительные примитивы признаков Хаара.

Примитивы Хаара дают точечное значение перепада яркости по оси X и У. Исходя из этого следует, что общий признак Хаара для распознавания объектов, в том числе и для распознавания лиц, представляет из себя набор из двух смежных прямоугольников. Значение признака можно вычислить по формуле:

Р = х - у

Где X - сумма значений яркости точек, закрываемых светлой частью признака, Y - сумма значений яркости точек, закрываемых темной частью признака.

Если считать все суммы значений интенсивностей для каждого признака, то потребуется большая вычислительная мощность. В ходе разработки алгоритма Виолы и Джонса было принято решение использовать интегральное представление изображения. Данное представление стало отличным выбором для вычисления признаков и стало применяется и в иных алгоритмах компьютерного зрения.

Интегральное представление следует принимать в виде матрицы, размер которой совпадает с исходным размером изображения N, где каждый элемент рассчитывается по формуле:

i < х, j< y

N(х, y )= JI(r, c)

i=0, j=0

где N(r,c) - яркость пикселя исходного изображения. Каждый элемент матрицы N[x,y] представляет собой сумму пикселей в прямоугольнике от (0, 0) до (х, y). Основываясь на применении интегрального представления изображения вычисление признаков одинакового вида, но с отличающимися геометрическими параметрами, происходит за одинаковое время. Также, интегральное представление матрицы позволяет быстро вычислить сумму пикселей произвольного треугольника [4].

Библиографические ссылки

1. Viola P., Jones M.J. Rapid object detection using a boosted cascade

of simple features // IEEE Conf. on Computer Vision and Pattern Recognition. - Kauai, Hawaii, USA, 2001. - V. 1. - P. 511-518.

2. Viola P., Jones M.J. Robust realtime face detection // International Journal of Computer Vision. - 2004. - V. 57. - № 2. - P. 137-154.

3. Гонсалес P., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. -1072 с.

4. Местецкий Л.М. Математические методы распознавания образов. - М.: МГУ, ВМиК, 2002-2004.- С. 42-44.

5. Брилюк Д., Старовойтов В. Распознавание человека по изображению лица и нейросетевые методы. 2002. URL: http://daily.sec.ru/publication.cfm?pid=4425 (дата обращения: 10.04.2021).

© Лоботов Д.Ф., Соколов Я.А., 2021