TY - JOUR AU - Р. А. Мельник AU - Р. І. Квіт AU - Т. М. Сало PY - 2021/02/04 Y2 - 2024/03/29 TI - Виділення ознак профілів зображення обличчя для систем розпізнавання JF - Науковий вісник НЛТУ України JA - Scientific Bulletin of UNFU VL - 31 IS - 1 SE - Інформаційні технології DO - 10.36930/40310120 UR - https://nv.nltu.edu.ua/index.php/journal/article/view/2262 AB - 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. ER -