Способ распознавания образов на цифровом изображении

Способ распознавания образов на цифровом изображении

Иллюстрации

Показать все

Реферат

Изобретение относится к распознаванию данных, а именно к распознаванию образов на цифровых изображениях, и может быть использовано в системах технического зрения для ограничения доступа к защищенным от посторонних лиц услугам, ресурсам и объектам.

В настоящее время способы распознавания образов широко применяются в сфере обеспечения безопасности, начиная с идентификации и аутентификации пользователей компьютеров и закачивания обнаружением террористов в местах массового скопления людей. Эффективность применяемых способов определяется двумя основными параметрами: точность и время распознавания. Эти параметры связаны и, как правило, обратно пропорциональны, то есть, чем выше точность распознавания, тем больше для этого требуется времени.

Большинство современных способов распознавания образов позволяют обеспечить достаточно высокую точность (более 90%), но скорость сопоставления образов не позволяет применять их для обработки видеоданных в режиме реального времени. Особенно это заметно при реализации различных поисковых задач в потоковых данных, например идентификации в реальном времени лица человека на видео, полученном от камер наблюдения.

Известны способы распознавания образов на основе анализа структуры его лица по видеоизображению, основанные на выделении и анализе характерных черт лица - глаз, бровей, носа, рта и т.п. [US Патент №5710833, jan. 20, 1998].

Известны также способы распознавания образов, основанные на оценке интерактивных характеристик лица, в частности путем построения и оценки набора профилей яркости в поле зрения лица [L.Sircvich et al., 1987 Optical Society of America, "Low-dimensional procedure for the characterization of human faces", pp.519-524].

Недостатками первого способа являются большие временные и вычислительные затраты на идентификацию и высокая стоимость оборудования, необходимого для реализации способа из-за высоких требований, предъявленных к оптическому датчику, равномерности и монохромности освещения объекта идентификации.

Недостатками второго способа являются низкая надежность распознавания, неустойчивость результатов распознавания к яркостно-контрастной изменчивости изображения.

Наиболее близким техническим решением является способ распознавания образов, использующий в качестве характерных особенностей только некоторые области изображения, заключающийся в операции захвата изображения в последовательные моменты времени с использованием устройства оцифровки, запоминании цифрового электрического сигнала в запоминающем устройстве компьютера, выделении в цифровом электрическом сигнале части, относящейся к лицу идентифицируемого человека, нормализации яркости и контрастности изображения, переводе его в градации серого и нормализации шумов, поиске ключевых точек на изображении лица одним из известных способов, сравнении выявленных признаков лица с признаками эталонов лиц одним из известных способов, принятии решения об идентификации, выработке и реализации управляющего воздействия. [US Patent N 5164992, nov. 17, 1992].

Недостатками известного технического решения являются низкие надежность и скорость распознавания и высокая стоимость оборудования для реализации распознавания.

Техническим результатом изобретения является увеличение скорости распознавания лиц людей с высокой точностью распознавания. Указанный результат достигается за счет представления характерных признаков человеческого лица в виде набора пар областей, подобных друг другу, выделенных из изображения, а также за счет оригинального способа поиска таких областей, формирующего процесс выделения признаков.

Способ распознавания образов заключается в выполнении следующих действий:

1. Захват изображения в последовательные моменты времени с использованием устройства оцифровки.

2. Запоминание цифрового электрического сигнала в запоминающем устройстве компьютера.

3. Выделение в цифровом электрическом сигнале части, относящейся к лицу идентифицируемого человека.

4. Нормализация яркости и контрастности изображения, перевод его в градации серого, нормализация шумов.

5. Поиск ключевых точек на изображении лица одним из известных способов.

6. Выделение квадратных доменных областей, центром которых является ключевая точка.

7. Поиск ранговых областей - областей, которые относятся к доменным областям с некоторой степенью подобия.

8. Сохранение полученных пар областей и степеней их подобия между собой как вектора признаков.

9. Сравнение выявленных признаков лица с признаками эталонов лиц одним из известных способов.

10. Принятие решения об идентификации.

11. Выработка и реализация управляющего воздействия. Новые существенные признаки:

1. Выделение квадратных областей (доменных) с одинаковой длиной стороны, центром которых является ключевая точка.

2. Поиск ранговых областей - областей, которые относятся к доменным областям с некоторой степенью подобия.

3. Сохранение полученных пар областей и степеней их подобия между собой как вектора признаков.

Перечисленные новые существенные признаки в совокупности с известными позволяют получить технический результат во всех случаях, на которые распространяется испрашиваемый объем правовой охраны.

На фиг.1 показана реализация способа распознавания образов на цифровом изображении:

1. Захват изображения в последовательные моменты времени с использованием устройства оцифровки.

2. Запоминание цифрового электрического сигнала в запоминающем устройстве компьютера.

3. Выделение в цифровом электрическом сигнале части, относящейся к лицу идентифицируемого человека.

4. Нормализация яркости и контрастности изображения, перевод его в градации серого, нормализация шумов.

5. Поиск ключевых точек на изображении лица одним из известных способов.

6. Выделение квадратных доменных областей, центром которых является ключевая точка.

7. Поиск ранговых областей - областей, которые относятся к доменным областям с некоторой степенью подобия.

8. Сохранение полученных пар областей и степеней их подобия между собой как вектора признаков.

9. Сравнение выявленных признаков лица с признаками эталонов лиц одним из известных способов.

10. Принятие решения об идентификации.

11. Выработка и реализация управляющего воздействия.

Первая операция реализации способа заключается в захвате изображения в последовательные моменты времени с помощью видеокамеры или иного устройства оцифровки изображения и вычислительного. При слежении за объектом лицо человека фиксируется устройством оцифровки изображения и преобразуется в цифровой вид, который на втором шаге сохраняется в запоминающем устройстве компьютера. Сохраненный цифровой сигнал содержит характерные признаки, по которым определяется наличие лица на цифровом изображении на третьем шаге. В качестве характерных признаков для выделения области лица используют признаки движения лица (смещение, направление и т.п.), находящегося в поле зрения видеокамеры, линейные размеры лица и его отдельных частей и другие способы. На операции 4 производится нормализация яркости и контрастности изображения, перевод его в градации серого, нормализация шумов.

Поиск ключевых точек производится одним из известных способом, позволяющим получить точки изображения, инвариантные к вращению и масштабированию.

Полученные ключевые точки используются для построения областей, которые в дальнейшем будут называться доменными. Вокруг каждой вычисленной ключевой точки выделяется квадратная область с одинаковой стороной квадрата, причем разрешается пересечение получаемых областей.

Для поиска подобных областей (далее - ранговых) для всех доменных может использоваться любой из существующих способов, реализующих данный поиск, к примеру, способ обхода с использованием квадродерева, идея которого заключается в итеративности разбиения изображения. Вначале производится грубое разбиение, скажем разделения целого изображения на четыре рангового блока. Для каждого рангового блока алгоритм пытается найти доменную, которая обладает максимальной степенью соответствия. Затем, если степень подобия оказывается в пределах допустимой погрешности, то считается, что этот доменный блок покрыт, и алгоритм переходит к следующему ранговому блоку. Если отклонение не укладывается в пределы допустимой погрешности, то алгоритм проверяет, была ли достигнута максимальная глубина квадродерева. Если максимальная глубина квадродерева не была достигнута, то алгоритм разбивает блок на четыре меньших ранговых блока и поиск оптимальных доменов и преобразований начинается заново для этих новых ранговых блоков. Процесс завершается, когда все доменные блоки оказываются покрытыми.

В качестве способа сравнения доменной области и ранговой может быть использован любой из известных на сегодняшний день способов. Степени подобия доменной и ранговой областей являются для данного способа вектором характерных признаков анализируемого изображения.

На основании количественных данных, полученных в результате процесса выделения характерных признаков, и с учетом динамически настраиваемых порогов принятия решения о сходстве, при непосредственном сравнении изображения с эталонным, производят интегральную оценку меры сходства лица с каждым из эталонов, выбирают эталон, в сравнении с которым получена наилучшая интегральная оценка сходства, на основании одного из известных критериев принимают решение о включении дополнительных эталонов в набор эталонов, принадлежащих идентифицированному лицу для дообучения системы, при этом производят запись в память вычислительного устройства эталонов, полученных из дополнительных изображений уже идентифицированного лица, сделанных в процессе идентификации и в последующие моменты времени.

Сравнение характерных признаков эталонного и текущего изображения, содержащего лицо идентифицируемого человека, заключается в сравнении расстояний между подобными парными областями. Для сравнения необходимо предварительно выбрать из набора эталона изображение, на котором положение головы максимально совпадает с положением головы идентифицируемого объекта. С выбранного эталонного изображения выбираются заранее вычисленные характерные признаки - доменные и ранговые области, а также степени их соответствия. На идентифицируемом изображении выбираются области, аналогичные доменным и ранговым областям (относительно координатной сетки или любой другой точки отсчета), после чего вычисляются степени соответствия (отношений) выделенных доменных и ранговых областей. При совпадении отношений областей в эталонном изображении с отношениями областей в текущем изображении делается вывод о том, что эти изображения входят в один класс, то есть в некотором роде эквиваленты, а с точки зрения рассматриваемой задачи - лицо человека, находящегося у камеры соответствует лицу человека, находящегося в базе. Принятие решения о сравнимости двух изображений производится любым известным способом.

На фиг.2 показан пример цифрового изображения, на котором произведено выделение характерных признаков.

Буквой "А" обозначены доменные области, а буквой "Б" - ранговые. Пунктирными линиями обозначены связи доменной области с ранговой: А1-Б1 и А2-Б2. Степень соответствия связанных доменной и ранговых областей и является той мерой, которая будет использоваться для сравнения, и называется степенью подобия. Степень подобия двух областей может вычисляться одним из известных способов, к примеру расстоянием Махаланобиса:

D M ( x , y ) = ( x − y ) T S − 1 ( x − y ) ,

где S - матрица ковариации, x и y - доменные и ранговые области цифрового изображения соответственно.

Таким образом, характерными признаками лица человека можно считать набор подобных областей с определенными выше параметрами. Такие признаки компакты по размеру и относительно быстро сравниваются между собой.

Для определения параметра подобия предлагается использовать существующие ныне алгоритмы распознавания образов, которые хорошо себя зарекомендовали для статичных двумерных изображений. Другими словами, использование технологии фрактального сжатия позволит увеличить скорость классификации (распознавания) лиц за счет малой вычислительной сложности сравнения найденных фрактальных характеристик областей, а также позволит использовать параллельные вычисления на уровне алгоритма. Также при таком подходе не снижается, а в некоторых случаях даже увеличивается, точность работы используемых способов.

Следовательно, предложенный способ распознавания образов позволяет уменьшить вычислительную сложность на этапе анализа текущего изображения за счет использования технологии выделения подобных или приближенно подобных областей.

Предложенный способ распознавания образов может быть использован, например, в системах авторизованного доступа к конфиденциальной информации, хранящейся в памяти вычислительных устройств.

На фиг.3 показан пример сравнения текущего цифрового изображения, полученного в данный момент времени с оцифровывающего устройства с эталонными сохраненными цифровыми изображениями, для которых уже вычислены характерные признаки. Сохраненные эталонные области выделяются на текущем изображении и в модуле принятия решения сравниваются степени соответствия доменных и ранговых областей. В случае совпадения степеней подобия на эталонном цифровом изображении и текущем они признаются похожими.

Отличие способа от аналогов заключается в том, что при выделении характерных признаков могут быть использованы любые способы классификации изображений, а также могут быть использованы параллельные вычисления на уровне алгоритма, что позволяет существенно увеличить скорость распознавания изображений, и как следствие, идентификацию человека по изображению лица. Данное отличие достигается за счет использования идеи технологии фрактального сжатия, заключающейся в поиске подобных и приближенно подобных участков изображения, для выделения характерных признаков, поскольку процесс поиска и сравнения подобных областей независим и может быть выполняться одновременно без уменьшения надежности распознавания.

Надежность распознавания достигается за счет возможности использования различных существующих способов классификации изображения, обеспечивающих необходимую степень надежности.

Повышение достоверности обнаружения и идентификации лица человека в предлагаемом способе достигается за счет использования уникальных характеристик лица человека, использования фильтрации шумов, возникающих в информационных каналах оптического датчика, в сочетании с процедурой автоматического дообучения и адаптивного критерия принятия решения об идентификации.

Снижение стоимости и расширение области применения систем, использующих идентификацию личности, достигается за счет возможности использования менее высокоточных оптических датчиков, а также за счет менее жестких требований к техническим характеристикам вычислительного устройства.

Увеличение скорости распознавания достигается за счет предварительного поиска подобных или приближенно подобных областей на эталонном изображении и отсутствии необходимости поиска таких областей на сравниваемом изображении лица человека, подлежащего идентификации, а также возможности параллельного вычисления на уровне алгоритма.

1. Способ идентификации графического изображения лица человека, включающий получение эталонного изображения лица, выбор на этом изображении ключевых точек, сравнение эталонного изображения с анализируемым, принятие решения о идентичности эталонного изображения и анализируемого, отличающийся тем, что на эталонном изображении выделяют доменную область в виде квадрата с центром в ключевой точке и ранговую область, имеющую максимальную схожесть с доменной областью, определяют коэффициент подобия доменной и ранговой областей, анализируемое изображение сравнивают с эталонным, выделяя на анализируемом изображении области, соответствующие доменной и ранговой области эталонного изображения, и определяют коэффициент подобия этих областей, на основании анализа коэффициентов подобия доменных и ранговых областей анализируемого и эталонного изображения принимают решение о идентичности изображений.

2. Способ по п. 1, отличающийся тем, что ранговую область выделяют методом квадродерева.