Распознавание лиц методом Скрытых марковских моделей Студента 521 уч.группы Харина С.А. Научный руководитель К.ф-м.н. Баяковский Юрий Матвеевич Москва. - презентация

1 Распознавание лиц методом Скрытых марковских моделей Студента 521 уч.группы Харина С.А. Научный руководитель К.ф-м.н. Баяковский Юрий Матвеевич Москва 2004 г.

2 Задачи Создать инструментарий для распознавания лиц Сравнить с существующими

3 Подзадачи Предобработка входного изображения Выбор и создание базы типа моделей СММ Анализ полученных результатов

4 Биометрические системы Отпечатки пальцев Форма ладони Узор радужной оболочки Изображение сетчатки глаза Лицо Голос Запах

5 Методы распознавания человека по изображению лиц Метод главных компонент Линейный дискриминантный анализ Синтез объектов линейных классов Гибкие контурные модели лица Сравнение эластичных графов Методы, основанные на геометрических характеристиках лица Сравнение эталонов Оптический поток Скрытые Марковские модели Нейросети

6 Схема распознавания

7 Способы устранения избыточности изображения Масштабирование Свёртка Частотные преобразования Вейвлеты Моменты Главные компоненты Нейронные сети

8 Преобразования исходного изображения Преобразование Фурье Косинусное преобразование Градиент изображения Вейвлеты Моменты

9 Скрытые марковские модели Линейная лево-правая модель Псевдодвухмерная модель

10

11 Сравнение Количество классов (моделей) Лево- правая модель Псевдодвухмерн ая НН 5% распознавания Время обучения (sec) % распознавания * Время обучения (sec) % распознавания Время обучения (sec)

12 Результаты Был выработан инструментарий по распознаванию человека по изображению лица Проведено сравнение с существующими методами Разработаны методы комплексной переподготовки изображений для распознавания

13 Приложение 1. Преобразование Фурье Комплексное число Амплитуда

14 Приложение 1. Обратное преобразование Фурье Быстрое преобразование Фурье + Левая и правая части внутри экспоненты независимы + Высокая скорость - Снижается точность из-за высокочастотных компонент

15 Приложение 2. Скрытые марковские модели Проблемы: Пусть задана последовательностей O=O 1 O 2 …O T и модель (A,B, ). Как эффективно вычислить величину P(O| ), т.е. Вероятность появления наблюдений для данной модели? Как выбрать последовательность состояний Q=q 1 q 2 …q T, которая в некоторым значимом смысле будет оптимальной (например, наилучшим образом соответствует имеющейся последовательности наблюдений)? Каким образом нужно подстроить параметры модели (A,B, ), для того чтобы максимизировать P(O| )?

16 Приложение 2.