Разъяснение теории (компьютерное зрение): распознавание образов (распознавание лиц) с проблемами и возможными методами
Народные советы по экономии энергии: лучше начать с OpenCV-C ++ / Python, https://docs.opencv.org/2.4/modules/contrib/doc/facerec/ facerec_tutorial.html - это библиотека привязок Python, предназначенная для решения задач компьютерного зрения. Позже вы сможете продолжить работу с нейронными сетями.
ФОН :
В 1960 году Вуди представил первую полуавтоматическую технику распознавания лиц. Эта техника требовала на изображении некоторых элементов, таких как рот, нос, глаза и нос. После этого на сцену вышли техники распознавания лиц. В 2001 году этот биометрический метод быстро расширился, как показано на рисунке ниже. Основная цель этой статьи - рассказать новичкам о постоянно растущем научном интересе к биометрической технике распознавания лиц. Приведенный ниже анализ был проведен с применением ключевого слова «распознавание лиц».
СЛОЖНЫЕ УСЛОВИЯ:
А. Старение:
Старение - это неизбежный естественный процесс в течение жизни человека по сравнению с другими вариациями лица. Эффект старения можно наблюдать по трем основным уникальным характеристикам:
1) Старение неконтролируемо: оно не может продвигаться вперед или даже задерживаться, оно медленное и необратимое.
2) Персонализированные признаки старения: каждый человек проходит через разные модели старения. И они зависят от его генов и многих других факторов, таких как здоровье, еда, регион и погодные условия.
3) Признаки старения зависят от времени: лицо человека в старости будет влиять на все пожилые лица, но не изменится в более молодом возрасте.
Б. Частичная окклюзия:
Видите ли, приведенное выше изображение довольно неплохо с частичной окклюзией, не так ли! , но подожди, а что насчет этого?
Это похоже на то, что под окклюзией понимаются естественные или искусственные препятствия на изображении. Это может быть локальная область лица вместе с различными объектами, такими как солнцезащитные очки, шарфы, руки и волосы. Их обычно называют частичными окклюзиями. Частичные окклюзии соответствуют любому закрывающему объекту. И окклюзия менее 50% лица считается частичной окклюзией. Подходы к распознаванию лиц с частичной окклюзией делятся на следующие три категории:
(1) Частичные методы.
(2) Функциональные методы и
(3) Фрактальные методы.
Частичная окклюзия повлияла на многие области обработки изображений, например, ухо закрыто из-за сережек. Окклюзия влияет на производительность системы, когда люди вводят ее в заблуждение, используя солнцезащитные очки, шарфы, вуаль, или кладя мобильные телефоны или руки перед лицом. В некоторых случаях другие факторы, такие как тени из-за чрезмерного освещения, также действуют как факторы затенения. Кроме того, используются локальные подходы для решения проблемы частично закрытых граней, которые разделяют грани на разные части. Однако эту проблему можно решить, устранив некоторые функции, которые создают проблемы при точном распознавании изображения. В основном локальные методы основаны на анализе признаков, в котором выявляются наилучшие возможные признаки, а затем они объединяются. Другой подход, который может быть применен для этой цели, близок к целостному подходу, при котором скрытые черты, черты и характеры удаляются, а остальная часть лица используется как ценная информация. Исследователи разрабатывают различные методы, чтобы справиться с этой проблемой. О Боже! довольно много, чтобы понять, правда?
C. Инвариантность позы:
Вариация позы - еще одно препятствие на пути к созданию успешной системы распознавания лиц. Люди каждый раз фотографируются по-разному. Стандартных правил принятия позы не существует. Следовательно, становится сложнее различать и распознавать лица на изображениях в разных позах. Вариации позы ухудшают черты лица. Кроме того, многие системы работают в негибких условиях визуализации, и в результате это влияет на качество изображений галереи. Методы, связанные с изменением позы, можно разделить на два вида: распознавание лиц с несколькими ракурсами и распознавание лиц в разных позах. Многоканальное распознавание лиц можно рассматривать как приложение к фронтальному распознаванию лиц, в котором рассматривается изображение каждой позы в галерее. С другой стороны, через позу при распознавании лиц уступите лицо в позе, которая никогда раньше не подвергалась воздействию системы распознавания. Есть и другие методы и подходы, которые используются для решения аналогичной проблемы распознавания лиц. Кроме того, вариативность и изменения позы можно разделить на три класса, а именно:
(1) Общие алгоритмы.
(2) Двумерные методы распознавания лиц и
(3) Трехмерные модели.
D. Освещение:
Освещение - это наблюдаемое свойство и эффект света. Это также может относиться к эффекту молнии или использованию источников света. Глобальное освещение - это алгоритмы, которые использовались в трехмерной компьютерной графике. Вариация освещенности также плохо влияет на систему распознавания лиц. Таким образом, это стало областью внимания многих исследователей. Однако становится утомительной задачей распознать одного или нескольких людей по неподвижным или видеоизображениям. Но может быть довольно легко извлечь желаемую информацию из изображений, когда они сделаны в контролируемой среде вместе с однородным фоном. Также есть три метода, которые могут быть реализованы для решения проблемы освещения. Это методы оценки градиента, уровня серого и поля отражения лица. Техника преобразования уровней серого позволяет выполнять детальное отображение с нелинейной или линейной функцией. Подходы с выделением градиента используются для выделения краев изображения на уровне серого. Освещение - это фактор, который сильно влияет на производительность системы распознавания, полученной с помощью изображений лиц или видео. Эти методы разработаны для подавления эффекта освещения.
МЕТОДЫ, ИСПОЛЬЗУЕМЫЕ ДЛЯ РАСПОЗНАВАНИЯ ЛИЦА:
Распознавание лиц - это подраздел исследований и технологий распознавания образов. Сначала мы берем входные изображения со стандартных камер, и это изображение называется входным изображением. Во-вторых, выполняется предварительная обработка для улучшения качества изображения и уменьшения шума на снятых изображениях. Следующим этапом является сегментация лица, при которой часть лица вырезается из человеческого тела и фона изображения. На следующем этапе извлечение признаков выполняется после сегментации входного изображения до очень хорошего уровня и определения соответствующих характеристик, которые могут помочь отличить этого человека от других людей. На последнем этапе создается шаблон для целей регистрации и сопоставления. Наконец, сопоставление выполняется в биометрической системе для идентификации аутентифицированного лица, если есть совпадение, то вывод будет в форме принятого пользователем, в противном случае пользователь отклонен. Системы распознавания лиц можно разделить на разные категории:
A. Метод, основанный на знаниях:
Техники, основанные на знаниях, основаны на геометрии лица и расположении черт лица. Эти основанные на знаниях методы описывают форму, размер и текстуру. Некоторые методы описывают некоторые другие характеристики черт лица, такие как голова, брови, глаза, нос и подбородок. Основная проблема этих методов заключается в том, что они не работают хорошо из-за различных типов позы или ориентации головы, как показано в моих результатах реализации алгоритма V-J на рисунке:
Б. Инвариантные к характеристикам подходы:
Основная цель техник инвариантности признаков - найти структурные особенности человеческого лица даже при меняющихся условиях освещения. Используются различные типы структурных особенностей, такие как локальные особенности лица, цвет, форма и текстура кожи. Эти методы очень чувствительны к освещению, окклюзии, наличию областей цвета кожи и смежных лиц, как показано на рисунке:
C. Шаблонные методы:
Методы на основе шаблонов чувствительны к изменению позы, масштаба и формы человеческого тела. Были предложены методы деформируемого шаблона для работы с такими вариациями позы, масштаба и формы тела. Методы на основе шаблонов, использующие эластичные модели, включают параметры формы, а также информацию об интенсивности черт лица.
D. Методы, основанные на внешнем виде:
Основанные на внешнем виде методы, используемые для обнаружения лиц, - это собственные лица, линейный дискриминантный анализ, нейронные сети, машина опорных векторов и скрытые марковские модели. С помощью этих методов сканируется все изображение, и области изображения идентифицируются как лица или без лица. Во время сопоставления шаблонов на картинке появятся методы, основанные на внешнем виде.
Заключение :
Итак, привет! Наконец, распознавание лиц оставалось областью стремления исследователей на протяжении многих лет. В этой статье было проведено всестороннее исследование различных методов распознавания лиц и сложных терминов. После подробного анализа выяснилось, что PCA является наиболее подходящей техникой, когда размер черт больше для исходных изображений лиц. Дело в том, что человеческое поведение недавно стало многообещающей областью исследований для ученых, которую следует использовать в будущем. Наконец, сделан вывод о том, что в системе распознавания лиц все еще остается пробел, который необходимо заполнить для повышения ее точности и эффективности.
Для получения дополнительных концепций и понимания вы можете обратиться к этой статье Дивянша Двиведи Распознавание лиц для начинающих, чтобы понять PCA, нейронные сети и т. Д.
Поздравляем народ!, Вы сделали первый шаг в распознавании лиц. Я с удовольствием выслушаю ваши вопросы и предоставлю наиболее подходящие ответы.
