СБОРНИК
НАУЧНЫХ ТРУДОВ НГТУ

ISSN: 2307-6879
English | Русский

Последний выпуск
№1(94) Январь - Март 2019

Разработка программно-аппаратного комплекса для изучения алгоритмов распознавания лиц

Выпуск № 1 (94) Январь - Март 2019
Авторы:

Ильин Александр Андреевич
DOI: http://dx.doi.org/10.17212/2307-6879-2019-1-32-41
Аннотация

На сегодняшний день существует множество алгоритмов распознавания и обнаружения лиц на изображении. Кроме того, каждый из них имеет входные параметры, от которых сильно зависит результат. Результат также зависит от освещения, контрастности, ракурса и поворота лица. Таким образом, существует огромное количество вариантов обнаружения и распознавания лиц на изображении. Определение наилучших параметров алгоритмов и изображений при таком огромном количестве вариаций почти невозможно вручную.



Для решения данной проблемы разрабатывается программно-аппаратный комплекс, который позволит упростить изучения алгоритмов распознавания лиц.



В данной работе выбраны средства реализации программно-аппаратного комплекса и разработана его архитектура. Для обнаружения лиц выбран алгоритм Виолы–Джонса, так как он является наиболее подходящим по соотношению точность/скорость обнаружения лиц из видеопотока. В работе выбраны алгоритмы EigenFaces, FisherFaces, LBP, AAM, ASM в качестве алгоритмов для изучения в рамках программно-аппаратного комплекса. Также выбраны инструменты разработки: Django, QT, Celery, Redis, PostgreSQL, OpenCV, Python. Представлена клиент-серверная архитектура комплекса. Серверная часть комплекса включает модули распознавания лица, отрисовки графиков и гистограмм, определения лица на входящем изображении, распознавания лица и его классификации. Представлен алгоритм взаимодействия пользователя с комплексом: пользователь, используя клиентское приложение, отправляет изображение лица, серверная часть комплекса обрабатывает изображение и классифицирует его исходя из имеющихся в базе лиц. После обработки изображения лица пользователь может получить результаты классифицирования и варьировать параметры исходного изображения, получая новые результаты.



Также в работе представлены параметры изображения, влияющие на точность распознавания лиц и разработанный интерфейс программы.


Ключевые слова: распознавание лиц, OpenCV, алгоритм Виолы–Джонса, EigenFaces, FisherFaces, LBP, AAM, ASM

Список литературы

1. Татаренков Д.А. Анализ методов обнаружения лиц на изображении // Молодой ученый. – 2015. – № 4 (84). – С. 270–276.



2. Тихонова Т.С., Белов Ю.С. Основные подходы к отслеживанию и распознаванию лица // Электронный журнал: наука, техника и образование. – 2016. – № 2 (6). – С. 111–115.



3. Разинкин В.Б., Катермина Т.С. Распознавание лица по фотографии // Международный журнал перспективных исследований. – 2018. – Т. 8, № 1-2. – С. 171–180.



4. Анализ существующих подходов к распознаванию лиц [Электронный ресурс]. – URL: https://habr.com/ru/company/synesis/blog/238129/ (дата обращения: 27.05.2019).



5. Face recognition with OpenCV [Electronic resource]. – URL: https://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_tutorial.html (accessed: 27.05.2019).



6. Django documentation [Electronic resource]. – URL: https://docs.djangoproject.com/en/1.11/ (accessed: 27.05.2019).



7. Самаль Д.И., Фролов И.И. Алгоритм подготовки обучающей выборки с использованием 3D-моделирования лиц // Системный анализ и прикладная информатика. – 2016. – № 4. – С. 17–23.



8. Vijayakumari V. Face recognition techniques: a survey // World Journal of Computer Application and Technology. – 2014. – Vol. 1, N 2. – P. 41–50. – DOI: 10.13189/wjcat.2013.010204.



9. Viola P., Jones M.J. Robust real­time face detection // International Journal of Computer Vision. – 2014. – Vol. 57, N 2. – P. 137–154.



10. Turk M.A., Pentland A.P. Face recognition using eigenfaces // Proceedings. 1991 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – Maui, HI, USA, 2017. – P. 586–591. – DOI: 10.1109/CVPR.1991.139758.



11. Буй Т.Т.Ч., Фан Н.Х., Спицын В.Г. Распознавание лиц на основе применения метода Виолы-Джонса, вейвлет-преобразования и метода главных компонент // Известия Томского политехнического университета. – 2012. – T. 320, № 5. – P. 54–59.



 



12. Sirovich L., Kirby M.A. Low­dimensional procedure for the characterization of human faces // Journal of the Optical Society of America. A, Optics and image science. – 1987. – Vol. 4, N 3. – P. 519–524.



13. Face recognition system based on principal component analysis (PCA) with back propagation neural networks (BPNN) / M.A. Kashem, Md. Nasim Akhter, Shamim Ahmed, Md. Mahbub Alam // International Journal of Scientific & Engineering Research. – 2011. – Vol. 2, iss. 6, pp. 1–10.



14. Barker S.E., Powell H.M. High speed face location at optimal resolution // World Congress on Neural Networks: 1995 International Neural Network Society Annual Meeting. – Washington, DC, 1995. – Vol. 2. – P. 536–541.



15. Human face recognition using a spatially weighted modified Hausdorff distance / K.-H. Lin, B. Guo, K.-M. Lam, W.-C. Siu // Proceedings of 2001 International Symposium on Intelligent Multimedia, Video and Speech Processing. ISIMP 2001. – Hong Kong, China, 2001. – P. 477–480.

Для цитирования:

Ильин А.А. Разработка программно-аппаратного комплекса для изучения алгоритмов распознавания лиц // Сборник научных трудов НГТУ. – 2019. – № 1 (94). –
С. 32–41. – DOI: 10.17212/2307-6879-2019-1-32-41.

For citation:

Il'in A.A. Razrabotka programmno-apparatnogo kompleksa dlya izucheniya algoritmov raspoznavaniya lits [Development of software-hardware complex for the study of face recognition algorithms]. Sbornik nauchnykh trudov Novosibirskogo gosudarstvennogo tekhnicheskogo universitetaTransaction of scientific papers of the Novosibirsk state technical university, 2019, no. 1 (94), pp. 32–41. DOI: 10.17212/2307-6879-2019-1-32-41.

Просмотров: 22