Виділення ознак профілів зображення обличчя для систем розпізнавання

Ключові слова: апроксимація; кусково-лінійна функція; кумулятивна гістограма; багаторівнева сегментація; середня інтенсивність

Анотація

Об'єктом дослідження є алгоритм кусково-лінійної апроксимації за застосування його до виділення ознак та стиснення зображень обличчя. Одним з проблемних місць є отримання оптимального співвідношення ступеня стиснення та точності відтворення зображення, а також точності отриманих ознак обличчя, які можна застосувати для пошуку осіб у базах даних. Основними характеристиками зображення обличчя є координати та розмір очей, рота, носа та інших об'єктів уваги. Розміри, відстані між ними, а також їх відношення теж утворюють набір характеристик. Для виявлення та визначення цих особливостей використовують алгоритм кусково-лінійної апроксимації. По-перше, його застосовують для апроксимації зображення обличчя, щоб отримати графік силуету справа наліво і, по-друге, для апроксимованих фрагментів обличчя, щоб отримати силуети обличчя зверху вниз. Метою наступного етапу є реалізація багаторівневої сегментації апроксимованих зображень, щоб покрити їх прямокутниками різної інтенсивності. Завдяки своїй формі вони названі штрих-кодами. Ці три етапи алгоритму обличчя подаються двома зображеннями штрих-кодів: вертикальним і горизонтальним. За цим матеріалом розраховують ознаки обличчя. Функцію середньої інтенсивності в рядку або стовпці використовують для формування об'єкта апроксимації та як інструмент для вимірювання значень характеристик зображення обличчя. Додатково розраховують ширини штрих-кодів та відстані між ними. Наведено експериментальні результати з обличчями з відомих баз даних. Кусково-лінійну апроксимацію використано для стиснення зображень обличчя. Експериментами показано, як змінюється точність апроксимації залежно від ступеня стиснення зображення. Метод має лінійну складність алгоритму залежно від кількості пікселів у зображенні, що дає змогу його тестувати для великих даних. Знаходження координат об'єкта синхронізації, наприклад очей, дає змогу обчислити всі відстані між об'єктами уваги на обличчі у відносній формі. Розроблене програмне забезпечення має параметри керування для виконання досліджень.

Біографії авторів

Р. А. Мельник, Національний університет "Львівська політехніка", м. Львів

д-р техн. наук, професор, кафедра програмного забезпечення

Р. І. Квіт, Національний університет "Львівська політехніка", м. Львів

канд. фіз.-мат. наук, доцент, кафедра вищої математики

Т. М. Сало, Національний університет "Львівська політехніка", м. Львів

канд. фіз.-мат. наук, доцент, кафедра вищої математики

Посилання

Liao, P. S, Chen, T. S., & Chung, P. C. (2001). A fast algorithm for nultilevel thresholding. Journal of Imformation Science and Engineering, 17, 713–727. https://doi.org/10.6688/JISE.2001.17.5.1

Huang, Y., & Wang, S. (2008). Multilevel thresholding methods for image segmentation with Otsu based on QPSO. Congress on Image and Signal Processing, 701–705. https://doi.org/10.1109/CISP.2008.76

Arora, S., Acharya, J., Verma, A., & Panigrahi, P. K. (2006). Multilevel thresholding for image segmentation through a fast statistical recursive algorithm. Pattern Recognition Letters, 29(2), 119–125. https://doi.org/10.1016/j.patrec.2007.09.005

Mousavirad, S. J., & Ebrahimpour-Komleh, H. (2017). Multilevel image thresholding using entropy of histogram and recently developed population-based metaheuristic algorithms. Evolutionary Intelligence, 10(1-2), 45–75. https://doi.org/10.1007/s12065-017-0152-y

Arifin, A. Z., & Asano, A. (2006). Image segmentation by histogram thresholding using hierarchical cluster analysis. Pattern Recognition Letters, 27(13), 1515–1521. https://doi.org/10.1016/j.patrec.2006.02.022

Li, S. Z., & Jain, A. K. (2011). Handbook of face recognition. Springer. London, 699 p. https://doi.org/10.1007/978-0-85729-932-1

Oravec, M. (2010). Face recognition. Open access peer-reviewed Edited. Vol. 4, Slovakia, 404 p. https://doi.org/10.5772/207

Delac, K., Grgic, M., & Bartlett, M. S. (2008). Recent advanced in face recognition. Open access peer-reviewed Edited Volume, Croatia. 236 p. https://doi.org/10.5772/94.

Ravat, R., & Dhanda, N. (2015). Performance comparison of face recognition algorithm based on accuracy rate. International Journal of Advanced Research in Computer and Communication Engineering, 4(5), 323–326. https://doi.org/10.17148/IJARCCE.2015.4572

Melnyk, R., & Kalychak, Yu. (2020). Face image barcodes by distributed cumulative histogram and clustering. IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET), 346–349. https://doi.org/10.1109/TCSET49122.2020.235589

Ramer, U. (1972). An iterative procedure for the polygonal approximation of plane curves. Computer Graphics and Image Processing, 1(3), 244–256. https://doi.org/10.1016/S0146-664X(72)80017-0

Douglas, D., & Peucker, T. (1973). Algorithms for the reduction of the number of points required to represent a digitized line or its caricature. The Canadian Cartographer, 10(2), 112–122. https://doi.org/10.3138/FM57-6770-U75U-7727

Опубліковано
2021-02-04
Як цитувати
Мельник, Р. А., Квіт, Р. І., & Сало, Т. М. (2021). Виділення ознак профілів зображення обличчя для систем розпізнавання. Науковий вісник НЛТУ України, 31(1), 117-121. https://doi.org/10.36930/40310120
Розділ
Інформаційні технології