Исследование и реализация методов распознавания лиц на платформе Android Things

Проблеме идентификации объектов на изображениях, в частности, идентификации человека по изображению лица на сегодняшний день посвящено много работ, но она все еще далека от разрешения. Основные проблемы заключаются в том, чтобы идентифицировать человека по изображению лица независимо от изменения ракурса и условий освещения при съёмке, а также при различных изменениях внешности человека. Распознавание изображений пересекается с распознаванием образов. Подобные задачи не имеют четкого аналитического решения. При этом требуется выделение ключевых признаков, характеризующих зрительный образ, определение относительной важности признаков путём выбора их весовых коэффициентов и учёт взаимосвязей между признаками. Такие задачи изначально выполнялись экспертом вручную, путём экспериментов. Подобные подход отнимает много времени и не гарантирует качества. В новых способах выделение ключевых признаков осуществляется путём автоматического анализа обучающей выборки. Тем не менее, большая часть информации о признаках задаётся вручную. Чтобы автоматически применять такие анализаторы выборка обязана быть довольно большой и охватывать все вероятные ситуации. На данный момент существует всего два класса методов распознавания: методы распознавания и отслеживания объектов, методы распознавания и отслеживания лиц. Каждый из этих методов обладает своими преимуществами и недостатками. Методы отслеживания и распознавания объектов, удобны тем, что позволяют распознать человека, изображение которого может быть сделано под разными углами поворота относительно камеры. Среди биометрических систем распознавание человека по изображению лица выделяется тем, что не требуется дорогостоящего специального оборудования. Обычной камеры и персонального компьютера будет достаточно для большинства приложений. Также не требуется физический контакт с устройствами. Не требуется ждать пока сработает система или к чему то прикасаться, как, например, в случае со сканированием сетчатки глаза. Достаточно просто задержаться на небольшое время перед камерой или просто пройти мимо нее. Главным недостатком распознавания человека по изображению лица является то, что такая система не обеспечивает 100%-ой гарантии надежности при распознавании. Для высокой надежности применяют способы комбинирования нескольких биометрических методов. Объектом исследования работы являются алгоритмы для распознавания лиц. Предмет исследования является исследование алгоритмов для распознавания лиц с целью написания программного обеспечения для операционной системы Android. В качестве методов исследований использовалось моделирование, компьютерная обработка изображений и компьютерное зрение. Целью данной работы является реализация мобильного приложения на базе Android для идентификации человека по изображению лица. Для достижения поставленной цели, были решены следующие задачи:  рассмотреть основные принципы обнаружения лиц;  провести обзор существующих методов распознавания лиц;  рассмотреть процесс обработки изображения лица при распознавании;  рассмотреть основные алгоритмы распознавания лица, в частности, метод гибкого сравнения на графах, алгоритм поиска максимума корреляционной функции двух изображений, алгоритм быстрого поиска лица на изображении с помощью методов Хаара;  провести обзор технологий для обработки изображений, в том числе: библиотек Image processing toolbox, OpenCV, OpenFace;  разработать алгоритм распознавания лица на изображении;  разработать алгоритм распознания лица в видеопотоке. Структурно работа состоит из введения, заключения, трех глав и списка использованных источников.

В ходе выполнения данной работы были достигнуты все ожидаемые результаты:  описана методика тестирования алгоритмов обнаружения лица на предмет;  устойчивости к аффинным преобразованиям;  разработана программная реализация данной методики для автоматизированного тестирования;  проведен анализ поведения алгоритма обнаружения лиц Виолла-Джонса.  проведен анализ поведения алгоритма обнаружения лиц в видеопотоке. Несмотря на то, что разработанный алгоритм лишь незначительно увеличил процент распознавания изображений на границах интервала допустимых углов поворота для алгоритма Виолла-Джонса, введение сегментации изображения по признаку цвета кожи уменьшило количество ложных срабатываний алгоритма и сократило время выполнения алгоритма за счет того, что обрабатывается лишь часть изображения. Сравнивая результаты работы алгоритмов Виолла-Джонса и модифицированного алгоритма можно заметить несколько меньший процент ложных срабатываний на картинках, где области с лицами были размечены сегментацией по цвету до начала обнаружения. На основании данных результатов можно сделать вывод, что алгоритм Виолла-Джонса эффективно комбинировать с предварительной обработкой, и использованием дополнительных классификаторов может повысить качество обнаружения лиц.

1. Базанов, П.В., Джосан, О.В. Методы выделения информативных признаков изображений лица в задаче распознавания лица [Электронный ресурс]: [сайт]. URL: http://www.graphicon.ru/2005/proceedings/papers/Bazanov.pdf (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 2. Волченков, М.П., Самоненко, И.Ю. Об автоматическом распознавании лиц [Электронный ресурс]: [сайт]. URL: http://www.intsvs.msu.ru/magazine/archive/v911-4Vvolchenkov-135156.pdf  (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 3. Вороновский, Г.К., Махотило, К.В., Петрашев, С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К. Вороновский – Харьков: Основа, 1997. – 181с. 4. Демидович, Б.П. Основы вычислительной математики / Б.П. Демидович - М.: Наука, 2016. - 664с. 5. Круглов, В.В., Дли, М.И., Голунов, Р.Ю Нечеткая логика и искусственные нейронные сети [Электронный ресурс]: [сайт]. URL: http://bookini.ru/nechvotkaya-logika-i-iskusstvennve-neironnye-seti/ (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 6. Понс Форсайт Компьютерное зрение. Современный подход / Ф. Понс - М.: Наука и техника, 2016. - 214с. 7. Самаль, Д.И., Старовойтов, В.В. Методика автоматизированного распознавания людей по фотопортретам // Цифровая обработка изображений. / Д.И. Самаль- Минск: ИТК, 2018. -С.81-85. 8. Самаль, Д.И., Старовойтов, В.В. Подходы и методы распознавания людей по фотопортретам / Д.И. Самаль - Минск, ИТК НАНБ, 2008. - 54с. 9. Введение в компьютерное зрение [Электронный ресурс]: [сайт]. URL: https://www.lektorium.tv/course/22847 (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 10. Видеолекции курса «Машинное обучение» [Электронный ресурс]: [сайт]. URL: https://yandexdataschool.ru/edu-process/courses/machine-leaming (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 11. Компьютерное зрение [Электронный ресурс]: [сайт]. URL: https://events.yandex.ru/lib/talks/2854/ (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 12. Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц [Электронный ресурс] // Хабрахабр [Электронный ресурс] : [сайт]. URL: https://habrahabr.ru/post/133826/ (дата обращения: 19.05.2019). Загл. с экрана. Яз.: рус. 13. Нейронные сети - математический аппарат [Электронный ресурс]: [сайт]. URL: https://basegroup.ru/communitv/articles/math (дата обращения: 19.05.2019). Загл. с экрана. Яз.: русс. 14. Hemant Singh Mittal, Harpreet Kaur Face Recognition Using PC A & Neural Network [Электронный ресурс]: [сайт]. URL: http://www.ii ese.org/attachments/File/v1i6/F0266041613.pdf (дата обращения: 19.05.2019). Загл. с экрана. Яз.: англ. 15. Lesson 7: Principal Components Analysis (PCА) [Электронный ресурс] : [сайт]. URL: https://onlinecourses.science.psu.edu/stat505/node/49RGB/XYZ Matrices (дата обращения: 19.05.2019). Загл. с экрана. Яз.: англ. 16. Robert E. Shapire. A Brief Introduction to Boosting. IJCAI'99 Proceedings of the 16th international joint conference on Artificial intelligence, Volume 2, August 1999, 1401-1406. 17. Spring Boot Reference Guide [Электронный ресурс] : [сайт]. URL: http://docs.spring.io/spring-boot/docs/current-SNAPSHOT/reference/html/ (дата обращения: 19.05.2019). Загл. с экрана. Яз.: англ.