Хабровчане, здравствуйте! Как вы, наверное, знаете, Университет Иннополис начинает серию вебинаров с нашими преподавателями.
Первый вебинар по теме Искусственный интеллект состоится 11 февраля 2014 в 18:00 по московскому времени.
Его проведет доцент Университета Иннополис.
Самир Белхауари .
Ссылка на регистрацию - visitee.gotowebinar.com/register/6601261461187578113 .
Успейте зарегистрироваться сегодня, количество мест ограничено! Частичный перевод статьи на тему методов распознавания лиц, опубликованную С.
Белхауари в Международном журнале компьютерных приложений, читайте под катом.
Профессор Белхауари передает вам привет: Статья была опубликована в Международном журнале компьютерных приложений (0975–8887), том 18–№8, март 2011 г.
Методика локализации лиц методом быстрого сравнения с эталоном на основе оптимизированного алгоритма суммы абсолютных разностей, Н.
Давуд, С.
Белхауари, Ж.
Жанье аннотация До недавнего времени для решения задач локализации лиц на изображениях широко использовался метод распознавания с использованием сравнения шаблонов (стандартов).
Нормализованная функция взаимной корреляции (NCF) считается методом измерения, традиционно используемым для расчета сходства между существующими шаблонами лиц и прямоугольными блоками входного изображения для локализации положения лица на изображении.
Однако при определении положения лица всегда возникает ошибка из-за того, что некоторые блоки, которые на самом деле не являются лицом, скорее всего, являются лицом, чем правильные блоки.
Это происходит из-за изменений в освещении или фоновых отражений.
В этой статье авторы предлагают метод быстрого эталонного сравнения, основанный на алгоритме оптимизированной суммы абсолютных разностей (OSAD) вместо использования NVC для уменьшения влияния таких вариационных проблем.
В ходе экспериментов была проведена серия тестов по измерению сходства, подтверждающая высокую точность метода OCAP по сравнению с другими методами.
Для оценки точности описанного метода использовались две базы данных лиц — Yale Database и MIT-CBCL. Точность локализации составила 100%.
Введение
Локализация лица — это первый шаг в системе автоматического распознавания лиц.
В задаче локализации лица уже известно, что лицо существует во входном изображении, и задача состоит в том, чтобы определить местоположение этого лица.
Однако локализовать лицо на входном изображении довольно сложно из-за различий в масштабе, позе, затенении, освещении, выражениях лица и отражениях фона.
Несмотря на многочисленные методы решения этой проблемы, задача совершенствования локализации остается чрезвычайно актуальной.
Исследования в области распознавания лиц и некоторые методы представлены в [1].
Недавнее исследование распознавания было проведено Yang et al. [2].
Данная группа авторов делит методы обнаружения на 4 основные категории: основанные на методах искусственного интеллекта [3], инвариантный метод определения характерных точек [4], сравнение по эталонам [5] и метод внешнего вида [6].
Методы сопоставления с образцом широко используются для поиска лиц на входных изображениях.
При использовании этого метода изначально лица (в основном фронтальные изображения) предварительно обнаруживаются и сохраняются в базе данных.
Далее вычисляется корреляция между блоками входного изображения и ранее сохраненными ссылками.
Достоинствами этого метода являются его низкая чувствительность к шуму, простота использования и отсутствие необходимости длительного поиска лица по входным изображениям [7].
Однако этого недостаточно для обнаружения лиц на изображениях с сильными изменениями фона и освещения, поскольку эти изменения могут изменить характерные формы распознаваемых объектов.
Самый простой метод сопоставления тестов — создать усредненный шаблон из набора изображений, хранящихся в базе данных.
В результате прямоугольные блоки во входном изображении, имеющие высокую корреляционную схожесть, предлагаются в качестве вывода о местоположении лица.
Этот метод можно назвать методом фильтрованного сопоставления с использованием среднего лица в качестве фильтра.
Одним из широко используемых методов расчета корреляции между усредненным эталоном лица и прямоугольными блоками входных изображений является метод измерения сходства, такой как нормализованная функция взаимной корреляции (NCF) [8,9].
Однако на NVC часто влияют показатели освещенности и фоновые отражения, т.к.
на изображениях часто встречаются блоки, не являющиеся частью лица, имеющие те же параметры, что и стандартная матрица усредненного лица.
Эту проблему можно решить с помощью алгоритма суммы абсолютных разностей (SAD) [10], который часто используется для сжатия изображений и отслеживания объектов, однако SAD все равно требует дополнительной оптимизации для расчета более точного местоположения лица на изображении.
Более того, ATS может достичь высокой точности локализации лица на изображениях при ярком освещении, но фоновый шум может повлиять на точность.
Авторы работы предлагают улучшенную методику локализации на основе OSAP, чтобы уменьшить влияние вышеуказанных вариаций.
[1] Р.
Челлаппа, К.
Л.
Уилсон и С.
Сирохи, «Человеческое и машинное распознавание лиц: обзор», Proceedings of the IEEE, vol. 83, стр.
705–741, 1995. [2] Минг-Сюань Ян, Д.
Дж.
Кригман и Н.
Ахуджа, «Обнаружение лиц на изображениях: опрос», Анализ шаблонов и машинный интеллект, IEEE Transactions on, vol. 24, стр.
34–58, 2002. [3] Чжао Фей и Цяо Цян, «Обнаружение лиц на основе правила прямоугольных знаний и структуры лица», в журнале «Информатика и инженерия» (ICISE), 1-я Международная конференция 2009 г.
, 2009 г.
, стр.
1235-1239. [4] С.
Дженг, Х.
Ю.
М.
Ляо, К.
С.
Хан, М.
Ю.
Черн и Ю.
Т.
Лю, «Обнаружение черт лица с использованием геометрической модели лица: эффективный подход», Pattern Recognit, vol. 31, стр.
273-282, 3, 1998. [5] А.
К.
Джейн, Ю.
Чжун и М.
Дюбюиссон-Жолли, «Деформируемые шаблонные модели: обзор», Signal Process, vol. 71, стр.
109–129, 15 декабря 1998 г.
[6] М.
-.
Ян, Н.
Ахуджа и Д.
Кригман, «Распознавание лиц с использованием собственных лиц ядра», в журнале «Обработка изображений», 2000. Труды.
2000 г.
Международная конференция, 2000 г.
, стр.
37-40 т.1. [7] Лингмин Мэн и Т.
К.
Нгуен, «Локализация фронтального лица с использованием линейного дискриминанта», в журнале «Сигналы, системы и компьютеры», 1999. Протокол тридцать третьей асиломарской конференции, 1999, стр.
745-749, том 1. [8] Д.
Цай и К.
Лин, «Быстрая нормализованная кросс-корреляция для обнаружения дефектов», Pattern Recog. Летт., т. 24, стр.
2625-2631, 11, 2003. [9] Шу-Дер Вэй и Шан-Хонг Лай, «Быстрое сопоставление шаблонов на основе нормализованной взаимной корреляции с адаптивным многоуровневым обновлением победителя», «Обработка изображений», IEEE Transactions on, vol. 17, стр.
2227-2235, 2008. [10] М.
Дж.
Аталла, «Более быстрое сопоставление шаблонов изображений по сумме абсолютных значений разностей», Image Processing, IEEE Transactions on, vol. 10, стр.
659–663, 2001. Полная версия статьи на английском языке - www.ijcaonline.org/volume18/number8/pxc3872912.pdf Ждем вас на нашем вебинаре 11 февраля в 18:00 (мск)! Теги: #ИИ #образование #вебинар #Обработка изображений
-
Аэронавигация
19 Oct, 24 -
Создание Киберспортивной Организации
19 Oct, 24
