Разработка системы распознавания лиц с использованием машинного обучения

Проблеме идентификации объектов на изображениях, в частности, идентификации человека по изображению лица на сегодняшний день посвящено много работ, но она все еще далека от разрешения. Основные проблемы заключаются в том, чтобы идентифицировать человека по изображению лица независимо от изменения ракурса и условий освещения при съёмке, а также при различных изменениях внешности человека. Каждый из этих методов обладает своими преимуществами и недостатками. Методы отслеживания и распознавания объектов, удобны тем, что позволяют распознать человека, изображение которого может быть сделано под разными углами поворота относительно камеры. Среди биометрических систем распознавание человека по изображению лица выделяется тем, что не требуется дорогостоящего специального оборудования. Обычной камеры и персонального компьютера будет достаточно для большинства приложений. Также не требуется физический контакт с устройствами.

---

Нам под силу даже аспирантский реферат . Закажите на Work5.

---

Не требуется ждать пока сработает система или к чему то прикасаться, как, например, в случае со сканированием сетчатки глаза. Достаточно просто задержаться на небольшое время перед камерой или просто пройти мимо нее. Главным недостатком распознавания человека по изображению лица является то, что такая система не обеспечивает 100%-ой гарантии надежности при распознавании. Для высокой надежности применяют способы комбинирования нескольких биометрических методов. Целью данной работы является реализация мобильного приложения для идентификации человека по изображению лица. Для достижения поставленной цели, были решены следующие задачи: Структурно работа состоит из введения, заключения, трех глав и списка использованных источников.  

В ходе выполнения данной работы были достигнуты все ожидаемые результаты:  описана методика тестирования алгоритмов обнаружения лица на предмет;  устойчивости к аффинным преобразованиям;  разработана программная реализация данной методики для автоматизированного тестирования;  проведен анализ поведения алгоритма обнаружения лиц Виолла-Джонса.  проведен анализ поведения алгоритма обнаружения лиц в видеопотоке. Несмотря на то, что разработанный алгоритм лишь незначительно увеличил процент распознавания изображений на границах интервала допустимых углов поворота для алгоритма Виолла-Джонса, введение сегментации изображения по признаку цвета кожи уменьшило количество ложных срабатываний алгоритма и сократило время выполнения алгоритма за счет того, что обрабатывается лишь часть изображения. Сравнивая результаты работы алгоритмов Виолла-Джонса и модифицированного алгоритма можно заметить несколько меньший процент ложных срабатываний на картинках, где области с лицами были размечены сегментацией по цвету до начала обнаружения. На основании данных результатов можно сделать вывод, что алгоритм Виолла-Джонса эффективно комбинировать с предварительной обработкой, и использованием дополнительных классификаторов может повысить качество обнаружения лиц.

1. Демидович, Б.П. Основы вычислительной математики / Б.П. Демидович - М.: Наука, 2019. - 664с. 2. Понс Форсайт Компьютерное зрение. Современный подход / Ф. Понс - М.: Наука и техника, 2019. - 214с. 3. Самаль, Д.И., Старовойтов, В.В. Методика автоматизированного распознавания людей по фотопортретам // Цифровая обработка изображений. / Д.И. Самаль- Минск: ИТК, 2019. -С.81-85. 4. Самаль, Д.И., Старовойтов, В.В. Подходы и методы распознавания людей по фотопортретам / Д.И. Самаль - Минск, ИТК НАНБ, 2019. - 54с. 5. Фурсов, В.А. Локализация контуров объектов на изображениях при вариациях масштаба с использованием преобразования Хафа / С.А. Бибиков, В.А. Фурсов, П.Ю. Якимов // Компьютерная оптика. – 2013. – Т. 37, No 4. – С. 502-508. 6. Якимов, П.Ю. Отслеживание дорожных знаков в видеопоследовательности с использованием скорости автомобиля / П.Ю. Якимов // Компьютерная оптика. – 2015. – Т. 39, No 5. – С. 795-800. 7. Введение в компьютерное зрение [Электронный ресурс]: [сайт]. URL: https://www.lektorium.tv/course/22847 (дата обращения: 17.04.2022). 8. Компьютерное зрение [Электронный ресурс]: [сайт]. URL: https://events.yandex.ru/lib/talks/2854/ (дата обращения: 17.04.2022). 9. Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц [Электронный ресурс] // Хабрахабр [Электронный ресурс] : [сайт]. URL: https://habrahabr.ru/post/133826/ (дата обращения: 17.04.2022). 10. Ruta. A. A New Approach for In-Vehicle Camera Traffic Sign Detection and Recognition / A. Ruta, F. Porikli, Y. Li, S. Watanabe, H. Kage, K. Sumi// IAPR Conference on Ma-chine vision Applications (MVA), Session 15: Machine Vision for Transportationю. – 2015.