Курсовая работа на тему «Современные алгоритмы распознавания и выделения лиц на изображениях»

Проблема распознавания лиц встречается во многих областях. Но это чрезвычайно сложная задача, требующая колоссальных технических средств. Для упрощения сложных задач они делятся на несколько более простых. В этом случае есть две основные задачи: задача выбора лица и задача распознавания. Но даже такое разделение сводится к двум довольно сложным подзадачам. Для их решения используются разные подходы. В алгоритмах обнаружения лиц выделяются два направления, которые имеют другой подход к этой проблеме [6]. Первый подход рассматривает лицо как набор различных функций, которые характеризуют лицо как объект среди многих других объектов. Этими признаками могут быть цвет кожи, поскольку она варьируется в определенном диапазоне: брови, глаза, форма черепа и т. д. Второй подход основан на рассмотрении изображения с лицом в качестве изображения, абстрагируясь от задачи выбор человека, расширение его до задачи идентификации объекта на картинке [6]. Задача распознавания лиц становится все более актуальной. Есть много мест, где желательно использовать системы распознавания лиц. Самые известные области применения – это безопасность и криминалистика. Но есть и другие области. Например, в области социальных сетей эту технологию можно использовать для автоматического выделения и подписи людей на фотографиях. Эта технология чрезвычайно важна в робототехнике и военном деле, поскольку она позволяет разделить людей на «своих» - «чужих» или разделить на классы в зависимости от уровня доступа [6]. Цели – изучить основные алгоритмы распознавания и выделения лиц на изображениях. Объект исследования – система распознавания лиц. Предмет – алгоритмы выделения и распознавания лиц. Задачи: 1. Рассмотреть методы характерных инвариантных признаков, базирующиеся на знаниях снизу-вверх; 2. Описать распознавание с помощью шаблонов, заданных разработчиком; 3. Рассмотреть методы обнаружения лиц по внешним признакам (методы, для которых необходимо провести фазу обучения системы, путем обработки тестовых изображений) 4. Описать программные средства распознавания образов (на примере цифр). Методы:  Общетеоретические;  Эмпирические. Многие ученые со всего мира занимаются программами распознавания лиц. Задача идентификации личности решается учеными разных стран с использованием различных методов. Наиболее эффективным является использование алгоритма Виолы-Джонса. Структура работы. Курсовая работа состоит из введения, 2 глав, выводов после каждой главы, заключения, списка литературы.

В конце данной работы, мы можем сделать следующие выводы. В данной работе мы рассмотрели основные алгоритмы распознавания лиц, их преимущества и недостатки. К основным методам относятся: 4. Методы характерных инвариантных признаков, базирующиеся на знаниях снизу-вверх; 5. Распознавание с помощью шаблонов, заданных разработчиком; 6. Методы обнаружения лиц по внешним признакам (методы, для которых необходимо провести фазу обучения системы, путем обработки тестовых изображений). В практической части данного исследования мы разработали программу для распознавания цифр. Конечно, есть много направлений для развития этой программы. Можно распознать не только цифры, но и другие символы, а также следующие подряд строки (т. е. распознавание чисел или текста), в соответствии с аналогичным алгоритмом также существует возможность изменения методов ввода символов, имитируя надписи на бумаге или вырезая их на дереве, т. е. можно имитировать различные текстуры и написание символов на заданных текстурах различными объектами. Следовательно, программа станет еще более привлекательной для пользователя и конкурентоспособной на современном рынке. Программа может быть полезна как при обучении студентов, так и при разработке различного программного обеспечения для персональных компьютеров. Таким образом, мы достигли цели и поставленных задач.

1. Ван, Тассел Д. Стиль, разработка, эффективность, отладка и испытания программ / Ван Тассел Д. - М.: Мир, 2017. - 332 c. 2. Колесник А. В. Программная система распознавания лиц / Колесник А. В. [и др.] – Донецк, ДонНТУ, 2015. – С. 248-251. 3. Неслуховский, К.С. Пособие по программированию для ЭЦВМ "Минск-32" / К.С. Неслуховский. - М.: Советское радио, 2016. - 296 c. 4. Умяров Н. Х. Выделение лица из видеопотока с целью распознавания/ Н. Х. Умяров [и др.] – Донецьк, ДонНТУ, 2015. – С. 173-177. 5. Федяев О. И. Система распознавания зашумлённых и искажённых графических образов на основе нейронной сети типа неокогнитрон / О. И. Федяев [и др.] – М .: ЛЕНАНД, 2018. – 464 с. 6. G. Yang and Thomas S. Huang. « Face human in a complex detection background. Pattern Recognition», 53–63, 2014. 7. C. Kotropoulos. « Speech, Acoustics, and Signal Processing», 2017. ICASSP-97, 2017 8. M. C. Burl, T. K. Leung, P. Perona. «Finding Faces in Cluttered Scenes Using Graph Matching Random Labeled » 9. K. C. Yow, R Cipolla, «Feature-based human face detection», Image and vision computing 15 (9),p. 713–735, 2017 10. Sinha, P. «Recognizing forms threedimensional and Perceiving » PhD thesis, Institue Massachusetts of Technology. 11. Lanitis, A. «Image Anal. Classifying variable using objects a shape flexible model» its Applications and Image Processing, 2015., p.70–74 12. P. Viola and M. J. Jones, «Rapid Detection Object using a Boosted Cascade of Simple Features», proceedings IEEE Conf. on Computer Vision and Pattern Recognition (CVPR 2001), 2001, vol. 1, p-511 — p-518 13. P. Viola and M. J. Jones, «Robust real-time face detection», International Journal of Computer Vision, vol. 57, no. 2, 2014., pp.137–154 14. Buchatskiy A. N., Tatarenkov D. A., «Selection of the Optimal Color Space for Reducing False Positives Rate in the Viola-Jones Method», Актуальные проблемы инфотелекоммуникаций в науке и образовании, II Международная научно-техническая и научно-методическая конференция. Санкт–Петербург, 2015. 15. Татаренков Д. А. Анализ методов обнаружения лиц на изображении // Молодой ученый. — 2015. — №4. — С. 270-276 / Режим доступа: https://moluch.ru/archive/84/15524/ (дата обращения: 13.06.2019).