Идентификация человека на изображении Министерство образования и науки РФ Федеральное агентство по образованию КАЗАНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ имени А.Н.ТУПОЛЕВА КАФЕДРА АВТОМАТИЗИРОВАННЫХ СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ И УПРАВЛЕНИЯ Ахметшин Рамиль Ильдусович

Биометрические технологии Биометрическая идентификация личности – технология, использующая физиологические параметры субъекта. Это наиболее распространенное и заметное из последних достижений в области методов идентификации и контроля доступа к информации.

Человека можно идентифицировать по изображению лица отпечаткам пальцев голосу радужной оболочки глаза почерка

Сфера применения В медецине - служат не заменимым источником обнаружения болезней, которые человеческий глаз просто не смог бы разглядеть. Они используются, например, для обнаружения учатсков различных поталогий костей, в частности, при инфекционных или онкологических заболеваний, опухоль на медицинских снимках и т.д. В банковской сфере, где безопасность информации является главным показателем надежности банка Финансовая и промышленная сфера Правительственные и военные учреждения Закрытые стратегические объекты Авиация Транспорт

Решаемые задачи сделать невозможным обмен данными между сотрудниками; минимизировать риски при потере или краже пропуска; снизить влияние "человеческого фактора" как в случае усталости или недостаточной квалификации сотрудника службы безопасности, так и в случае намеренного пренебрежения им своими обязанностями; обеспечение безопасности персонала; сохранность материальных ценностей в помещениях и на территории предприятия; контроль всей цепочки производственных циклов; предотвращение несанкционированного прохождения на объект.

Проблемы Не один метод не дает 100% результата; Дороговизна - эта проблема актуальна для новых биометрических технологий, как, впрочем, и для всех новых технологий вообще; Неуниверсальность - данная проблема связана с тем, что некоторые характеристики плохо выражены у отдельных людей (ампутации рук или пальцев, шрамы на лице, проблемы с глазами и т.д.); Чувствительность к обману – подделывание характеристических свойств; Отсутствие стандартов.

Алгоритм распознавания 1 этап восприятие образа предварительная обработка выделение объектов распознавание объектов При всём многообразии различных алгоритмов и методов распознавания лиц, типичный алгоритм распознавания состоит из следующих шагов: 2 этап 3 этап 4 этап

восприятие получение значений характеристических свойств объекта обработка выделение распознавание Алгоритм распознавания удаление шумов, обрезание не нужных частей изображения и т.д. измерение характеристических свойства объекта сравнение по эталонам, по характеристикам, по описанию и т.д.

Последовательно удаление шумов, обрезание не нужных частей изображения и т.д. измерение характеристических свойства объекта Распознавание Обработка Выделение получение значений характеристических свойств объекта Восприятие

восприятиеобработкавыделение Распознавание сравнение по эталонам, по характеристикам, по описанию и т.д. Параллельно

Циклично 1 Восприятие Обработка РаспознаваниеВыделение

Сложности распознавания Задача обнаружения лица на изображении является простой для человеческого зрения, но при программной реализации возникаю следующие сложности: Разный внешний вид лица у разных людей; Положение лица относительно камеры влечет за собой серьезное изменение изображения лица; Присутствие индивидуальных особенностей (усы, борода, очки, морщины и т.д.); Изменение выражения лица может сильно отразиться на том, как лицо выглядит на изображении; Часть лица может быть невидима (закрыта предметами) на изображении.

Факторы, влияющих на выбор метода Цветное или черно-белое изображение; Ограниченный набор людей, ограничения на возможный тип лица (раса, присутствие растительности на лице, очков и т.д.); Ориентация: строго вертикальная или с наклоном, любая; Масштаб лиц, разрешение и качество изображения (зашумленность, степень сжатия); Предполагаемое количество лиц, присутствующих на изображении; Условия освещения; Фон: фиксированный, контрастный однотонный, слабоконтрастный зашумленный, неизвестный; Что важнее - не пропустить ни одного лица или минимизировать количество случаев ложного обнаружения

Изображение Изображение – это двухмерная функция f(x,y), где x и y – это пространственные координаты, а амплитуда f для каждой пары координат называется яркостью (интенсивностью, уровнем серого). Изображение является цифровым, если x,y и f принимают конечное число дискретных значений. Цифровая обработка изображений – это обработка цифровых изображений с помощью компьютеров. Цифровое изображение состоит из элементов, эти элементы называются пикселями.

Изображение Существуют три основных способа цифрового представления изображений: Растровая графика – изображение, представляющее собой матрицу пикселей или точек цветов. Векторная графика - изображение, состоящее из геометрических примитивов, таких как точки, линии, сплайны и многоугольники. Фрактальная графика - изображение, составленная из нескольких частей, каждая из которых подобна всей фигуре целиком.

Изображение

Предварительная обработка изображений Цифровой шум изображения – это дефект изображения, вносимый фотосенсорами и электроникой устройств. Шумоподавление служит для улучшения визуального восприятия. Цифровой шум проявляется в виде точек, имеющих размеры близкие к размеру пикселя. Цифровой шум отличается от изображения более светлым или тёмным оттенком серого и цвета. Источники шума: плохое оборудование для захвата изображения; плохие условия съемки; помехи при передаче по каналам; плохие фильтры; Цифровой шум

Модели шума

Подавление шумов Когда на изображении присутствует шум, то изображение может быть представлено в виде: g(x,y)=f(x,y)+η(x,y), где η(x,y) и есть шум, а g(x,y) – зашумленное изображение. Выделяют фильтры Усредняющие и основанные на порядковых статистиках

Усредняющие фильтры

Фильтры, основанные на порядковых статистиках

Сжатие изображений Задача сжатия изображений заключается в сокращении объема данных, необходимых для представления цифрового изображения. Сжатие может быть достигнуто путем удаления одного из трех типов избыточности: кодовая избыточность; межпиксельная избыточность; визуальная избыточность. Сжатие изображений состоит из двух блоков: кодера и декодера.

Сегментация Стандартные методы выделения объектов включают: Выделение по яркости; Выделение по цвету; Выделение по текстурным признакам; Ручное выделение. Сегментация - это процесс разделения цифрового изображения на несколько сегментов (составляющих). Цель сегментации заключается в упрощении изменении представления изображения, чтобы его было проще и легче анализировать. Сегментация изображений используется для выделения объектов и границ (контуров) на изображениях. Иначе говоря, сегментацию проводят для изолирования необходимых объектов на изображении, например, лиц.

Обнаружение точек, линий и перепадов Обнаружение точек, линий и перепадов основываются на прямых манипуляциях с пикселями. Обнаружение основывается на двух методах: преобразование яркости и пространственная фильтрация. Процесс обнаружения можно обозначить уравнением g(x,y)=T[f(x,y)], где f(x,y) - входное изображение, g(x,y) – выходное обработанное изображение, Т – оператор преобразования над f. Главный подход состоит в использовании некоторой области (маски) с центром в точке (x,y).

Обнаружение точек, линий и перепадов

8 Маска для обнаружения точек Обнаружение точек, линий и перепадов Отклик задается в каждой точке изображения выражением где z - значение яркости пикселя, соответствующего маски w. Для маски размером 3×3 это выражение выглядит так Маски для обнаружения линий

Обнаружение перепадов

Распознавания лиц на изображении Можно выделить два способа распознавания лиц: 1) геометрическое сравнение; 2) эталонное сравнение. Геометрическое сравнение, основано на определении элементов лица. Идея подхода заключается в нахождении относительного положения и собственных характеристик отдельных элементов лица. Эталонное сравнение основано на цикличном сравнении входного изображения с эталонными, которые заранее загружаются на носитель или базу данных.

Распознавания лиц на изображении Схема элементов лица Модель активного контура

Распознавания лиц на изображении Дескрипторы служат для описания областей. Площадь области определяется числом пикселей, содержащиеся в этой области. Периметр области это длина её границы. Для описания областей используют их топологические свойства. Топология изучает свойства фигур, на которые не влияют любые их деформации. Дескрипторы можно представить в виде векторов признаков, в виде символьных строк и в виде деревьев. Образы, представленные в виде векторов признаков, имеют следующий вид Дескрипторы где x i - i-ый дескриптор, а n – общее число дескрипторов

Распознавания лиц на изображении