Система распознавания глаз на локализованном изображении Текст научной статьи по специальности «Компьютерные и информационные науки»

Актуальные проблемы авиации и космонавтики. Информационные технологии

- Выявление общих принципов построения автоматической торговой системы, а также требований, предъявляемых к торговой системе.

- Разработка и апробация автоматической торговой системы.

Работа предлагаемой системы автоматического мониторинга и принятия решений была протестирована в брокерской фирме ООО «В профите», что по-

зволило сделать вывод о достижении стабильной доходности (рис. 1). Максимальная просадка не превысила 14 % от суммы депозита, а за 63 торговые недели депозит увеличился в 3 раза.

К сожалению не все системы автоматической торговли обладают таким важнейшим свойством, как стабильная доходность.

Отчет работы данной системы

Библиографические ссылки 2. Берстайн П. Против Богов. Укрощение риска.

1. Анализ финансовых рынков и торговля финан- М. : Олимп-бизнес, 2000. 248 с. совыми активами / отв. ред. А. С. Кияница. СПб. :

Питер, 2004. 240 с. : ил. © Косарев М. С., 2013

УДК 004.93

М. А. Лаптева, К. М. Болдырев Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск

СИСТЕМА РАСПОЗНАВАНИЯ ГЛАЗ НА ЛОКАЛИЗОВАННОМ ИЗОБРАЖЕНИИ

Предлагается система поиска глаз, которая базируется на алгоритме адаптированном под локализованные изображения. Система позволит улучшить качество распознавания глаз, повысить точность поиска, за счет использования в качестве входного параметра локализованного фото.

В настоящее время все более широкое распространение получают биометрические системы идентификации человека. Традиционные системы идентификации требуют знания пароля, наличия ключа, идентификационной карточки или иного идентифицирующего предмета, который можно забыть или потерять. В отличие от них биометрические системы основываются на уникальных биологических характеристиках человека, которые трудно подделать и которые однозначно определяют конкретного человека [1]. К таким характеристикам относятся отпечатки пальцев, форма ладони, узор радужной оболочки глаза. Необходимо разработать систему распознавания глаз на локализованном изображении для обеспечения идентификации людей на охраняемых производственных объектах. Такая система не будет требовать наличие идентифицирующего предмета, который можно забыть или потерять.

Задача нахождения глаз является очень важной частью программ по детектированию характерных точек на изображении лица, так как все другие задачи

детектирования характерных точек на лице (нос, рот, брови, подбородок) основываются на своих алгоритмах.

В настоящее время существует множество различных алгоритмов поиска глаз на изображении, у каждого из них имеются свои преимущества и недостатки. Некоторые из алгоритмов производят поиск глаз на нелокализованных изображениях, некоторые адаптированы только под локализованные фото. Для реализации был выбран алгоритм, адаптированный под локализованные изображения, так как он позволяет работать с меньшей областью изображения, что уменьшает погрешности ошибок поиска, а также позволяет использовать более точное приближение к области глаз [2].

Укрупненная блок-схема сегментации изображения глаз организована в виде линейной последовательности (рис.1). Разработанное приложение визуально состоит из одной формы, на которой находиться анализируемое изображение, гистограммы и кнопки, позволяющие производить различные действия

над изображением для получения желаемого результата.

Основные функции программного продукта:

а) загрузка изображения через диалоговое окно;

б) перевод Л05-изображения в отдельные компоненты;

в) получение бинарного изображения;

г) построение гистограмм, позволяющих определить координаты глаз;

д) выделение глаз на изображении.

Укрупненная блок-схема сегментации

Секция «Информационные системы и технологии»

В качестве входных данных выступает локализованное изображение, которое загружается с компьютера через диалоговое окно, после чего на выходе получаются бинарное изображение, гистограммы, необходимые для определения координат глаз, и изображение с выделенной областью глаз.

Система поиска глаз реализована в среде быстрой разработки приложений RAD «Delphi» [3], так как она имеет удобный и простой интерфейс и позволяет ускорить процесс разработки приложения.

Программный продукт был протестирован, после чего были обработаны исключения для возможной некорректной работы программы. Таким образом, при некорректном обращении пользователя к программному модулю будет выдаваться сообщение о той или иной ошибке. Разработанный программный продукт позволит обеспечить контроль доступа на охраняемых объектах.

Библиографические ссылки

1. Воробьев А. В., Швецов М. Н. Детектирование глаз. URL: http://www.4352.clan.su/_ld/3/350_GzZ.doc (дата обращения: 12.02.2013).

2. Тухтасинов М. Т. Алгоритмы локализации лица и определения его признаков на изображении. URL: http://www.iai.dn.ua/public/JournalAI_2004_2/Razdel1 (дата обращения: 12.02.2013).

3. Осипов Д. Графика в проектах Delphi: учеб. пособие. СПб. : Символ-Плюс, 2008. 340 с.

© Лаптева М. А., Болдырев К. М., 2013

УДК 004.942

С. К. Латыш Научный руководитель - И. В. Лёзина Самарский государственный аэрокосмический университет имени академика С. П. Королева (национальный исследовательский университет), Самара

АППРОКСИМАЦИЯ СЛУЧАЙНЫХ ПРОЦЕССОВ RBF-СЕТЬЮ С ЯДЕРНЫМИ ФУНКЦИЯМИ АКТИВАЦИИ.

Описана разработанная авторами система для аппроксимации случайных процессов RBF-сетями с тремя функциями активации: функцией Гаусса, квадратичной ядерной и ядром Епанечникова.

Случайные процессы имеют место в любом виде деятельности современной жизни: погрешности при измерениях, старение техники, человеческий фактор управления той или иной системой. Строго говоря, любой процесс стохастичен. Именно поэтому исследование случайных процессов так важно. И здесь на первое место выходит задача аппроксимации - нахождения функциональной зависимости для некоторого процесса по полученным данным об этом процессе.

Наиболее большой интерес составляет решение задачи аппроксимации при помощи ЭВМ: системы аппроксимации ортогональными функциями, системы аппроксимации методом деформированного многогранника, системы аппроксимации методом Ньютона и др.[1] Однако в данной работе предлагается прин-

ципиально иной подход, основанный на использовании нейронных сетей.

Искусственные нейронные сети (ИНС) это математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма. Для решения задачи аппроксимации случайных процессов были выбраны КБР-сети - ИНС, использующие в качестве активационных функций ра-диально-базисные (такие сети сокращённо называются КБР-сетями). Общий вид радиально-базисной функции можно описать уравнением (1) [2].

f (x) = ф(-т0.

(1)

2