Rus  Eng 
   
Программы О компании Поддержка  
   
 
  Главная страница / О компании / Наши публикации
Университетам и школам
 
Библиотекам
 
Наши партнeры
 
Наши публикации
Автоматизация процесса создания цифровых архивов научно-технической документации
Роль новых технологий поиска информации в образовании
Компьютерная программа "Антиплагиатор"
Проект разработки метода корреляционной индексации текстовой и графической информации.
Технология хранения и обработки электронных документов с элементами интеллектуального поиска
Полнотекстовая технология поиска документов “Незабудка”
Поиск и анализ графической информации. Идентификации личности по изображению лица
Создание электронных образовательных ресурсов в условиях традиционной отраслевой библиотеки
Электронный тренажёр для обучения физике
Программный комплекс по созданию архивов научно-технической документации с возможностью размещения на съемных носителях и в Интернете
Поиск и анализ похожих документов в информационно-поисковой системе, базирующийся на методе корреляционной полнотекстовой индексации
Использование программы ССТ PUBLISHER для создания электронного архива Соровского образовательного журнала
Роль новых технологий поиска информации в образовании
Динамический метод фильтрации интернет сайтов с агрессивным содержанием.
Системы обнаружения, сопровождения и кластеризации объектов на основе нейроноподобного кодирования
Поиск и анализ графической информации. Идентификации личности по изображению лица:

Поиск и анализ графической информации

Идентификации личности по изображению лица

Идентификации личности по изображению лица является ключевой задачей для целого ряда актуальных приложений: контроля доступа и перемещений людей, борьбы с терроризмом, документарного контроля, сортировки служебных и личных видеоархивов. В общей постановке проблема создания автоматизированной компьютерной программы, сочетающей быструю обработку видеоизображений с надежным нахождением лиц на видеоизображении и их идентификацией, чрезвычайно сложна. Трудности связаны с возможными изменениями масштабов изображения лица, его ракурса и режима освещения, окружающего фона и целого ряда других факторов. Однако, возможность успешного решения таких задач доказывает то, что проблему идентификации по изображению лица вполне успешно решает обычный человек.

Программа сортировки видеоархива на персональном компьютере представляется в этом плане наиболее интересной. Для такой программы могут быть использованы существующие сейчас алгоритмы выделения и распознавания лица. Они удовлетворяют требованиям, как по надежности, так и к скорости работы для такого вида систем.

За три десятилетия исследования проблемы автоматизированного сравнения лиц в научной литературе описаны десятки возможных алгоритмов. Однако, как показал наш опыт работы, результат работы любых алгоритмов идентификации критически зависит от качества предварительной обработки изображения, точности определения положения лица на видеоизображении и точности определения его масштаба. Для успешного решения этой задачи нами разработаны блоки автоматизированной системы, осуществляющие:

-          предварительную сегментацию изображения,

-          преобразование видеоизображения в элементы м

-          одели лица,

-          поиск в массиве элементов и построение модели лица,

-          центрирование и нормализация размеров лица,

-          нормализация освещенности фрагмента, соответствующего области лица.

Применение этих блоков позволило существенно повысить точность и надежность нахождения области лица, что обеспечило создание варианта программы классификации лиц в электронной версии фотоальбома.

Основные характеристики электронной версии фотоальбома с индексированием (классификацией) по изображению лица

В настоящее время создан инструментарий для разработки приложений (SDK), который позволяет управлять индексированным фото-архивом, содержащим изображения человеческих лиц. Под индексированным (классифицированным) фото-архивом подразумевается каталог, содержащий фото-файлы в формате JPEG  и базу данных с описанием каждого файла в этом каталоге. Содержимое фотографии может быть описано как произвольным текстом, так и специальными текстовыми индексами (классами), указывающими на то, что именно изображено на фотографии.

Разработанная версия системы предоставляет пользователю набор операций, предназначенных для управления электронным фото-архивом. Все операции разделяются на несколько логически связанных групп. Под управлением индексированным фото-архивом подразумевает создание индексов (классов), как для отдельной фотографии, так и создание индексов всего фото-архива.

Управление файлами архива (создание нового фото-архива; удаление существующего фото-архива; переименование фото-архива; получение информации о состоянии архива).

Управление фотографиями в архиве (добавление новой фотографии в архив; получение информации о фотографии в архиве; удаление существующей фотографии из архива; ручное, полуавтоматическое, и автоматическое индексирование (классификация лиц) фотографий в архиве; получение списка фотографий удовлетворяющих критерию запроса, построенного на индексах). В настоящей версии автоматическая классификация лиц выполняется только для фронтально расположенных изображений лиц.

Управление индексами (создание нового индекса; удаление существующего индекса; получение списка доступных индексов; получение дополнительной информации об индексе; получение списка фрагментов изображений, с помощью которых был построен индекс; переобучение индекса; переобучение всех индексов).

Индексирование (классификация) фото-архива (связывание новых неиндексированных изображений в архиве с набором существующих индексов; построение индексов для произвольного набора фотографий и связывание каждой фотографии из набора с этими индексами).

Помимо поддержки процессов создания индексов разработанное SDK предоставляет инструмент выполнения запросов для быстрого поиска в фото-архиве изображений удовлетворяющим критериям поиска и с использованием созданных индексов.

Также в результате исследования в области поиска лиц была опубликована работа: НЕЙРОНОПОДОБНЫЙ ДЕТЕКТОР ЛИЦА. ТЕХНИЧЕСКИЕ ОСОБЕННОСТИ РЕАЛИЗАЦИИ И ОБУЧЕНИЯ.

В работе исследуются методы создания и настройки систем автоматического детектирования (обнаружения) заданных объектов на визуальных видеокадрах, где необходима высокая скорость захвата, точность и надежность. В качестве практически важного примера исследован детектор лица человека. Определено, что при разработке и обучении детектора важен учет асимметрии процесса детектирования, обусловленной тем, что в процессе эксплуатации система должна анализировать многократно больше  «не объектов», чем «объектов». Отмечено, что специфику детектирования позволяет учитывать известный метод AdaBoost, набирающий качественный классификатор из большого числа нейроноподобных «слабых» рецепторов. Методами вычислительного эксперимента показано, как оптимально сочетая параллельные и последовательные блоки из «слабых» классификаторов такой подход позволяет построить высокоэффективный детектор.

 

Проблема автоматического выделения объектов заданного класса на цифровых визуальных изображениях актуальна для широкого круга приложений вследствие того, что технические возможности регистрации визуальных изображений сейчас превосходят возможности их смысловой обработки. Исследования показывают, что принципы автоматического обнаружения объектов наиболее надежно выявляются методами вычислительного эксперимента на примерах высокой практической значимости, для таких применений обычно уже имеются достаточные базы данных, необходимые для обучения детектора, его тестирования и контроля результатов. Ключевым примером такого типа  является задача автоматического обнаружения лиц людей на электронных видеоизображениях – она необходимая для борьбы с терроризмом и преступностью, для общего контроля перемещения людей, для идентификации личности при банковских операциях в электронных сетях и для целого ряда смежных задач, где цена ошибочной идентификации высока. При этом автоматический захват лица требуется выполнять быстро, точно и надежно, в связи с необходимостью дальнейшего анализа изображения – например, для идентификации личности по видеоизображению лица. Результат работы детектора настроенного по изображению с большим числом лиц.
Поиск лиц на фото
Результат работы детектора лиц
Поиск лиц на фото

Публикации:

  1. Нейроноподобный детектор лица. Технические особенности реализации обучения. Н.С. Беллюстин, Ю.Д. Калафати, А.В. Ковальчук, А.А. Тельных, О.В. Шемагина, В.Г. Яхн

  Copyright Controlling Chaos Technologies 2001-2010 Разработка и поддержка - Auroom Group