DOI: https://doi.org/10.20998/2522-9052.2018.3.02

Адаптивні алгоритми детектування обличчя і оцінка ефективності їх використання

Kostiantyn Dergachov, Leonid Krasnov, Oleksandr Cheliadin, Anatoliy Zymovin

Анотація


Предмет дослідження - виявлення і розпізнавання осіб. Метою цієї статті є створення модифікованих алгоритмів розпізнавання осіб, які забезпечують автоматичну стабілізацію яскравості аналізованого зображення незалежно від рівня яскравості. Запропоновано методику оцінки ефективності їх роботи в порівнянні з класичним алгоритмом. Методи дослідження. Найпопулярніший метод, який використовується для пошуку області обличчя на зображенні, - це метод Віола-Джонса, який популярний завдяки своїй високій швидкості і ефективності. Він заснований на поданні цілісного зображення, на методі побудови класифікаторів на основі адаптивного алгоритму прискорення (AdaBoost) і на комбінаційних класифікаторах в каскадному структурному методі. Метод Віола-Джонс по-перше використовує каскади вейвлетов (примітивів) - функції Хаара, що представляють розбивку заданої прямокутної області на безлічі різних типів прямокутних субрегіонів. Все це дозволило створити детектор особи, який працює в режимі реального часу з досить високою якістю. Однак існує безліч тривожних факторів, які обмежують ефективність роботи такого алгоритму. Основними з них є двозначність просторового положення особи на уже згадуваному зображенні і низька якість освітлення сцени. Результати дослідження. Запропоновано адаптивні алгоритми виявлення та детектування облич на цифрових зображеннях і відеопослідовністях в режимі реального часу, засновані на методі Віоли-Джонса. Для компенсації впливу змін рівня освітленості сцени на якість виявлення облич в класичну структуру алгоритму додатково введена процедура автоматичної стабілізації яскравості кадру. Описано структуру алгоритмів і розроблено програмне забезпечення для розпізнавання облич на мові Python з використанням ресурсів бібліотеки OpenCV. Обробка відеоданих здійснюється в реальному масштабі часу. Запропоновано і програмно реалізована оригінальна методика оцінки ефективності роботи алгоритмів за критерієм максимуму ймовірності правильного виявлення облич і їх головних елементів (очей, носа, рота). Зіставляються результати роботи класичного та запропонованих алгоритмів. Наводяться приклади роботи та результати тестування програмного забезпечення. Висновок. Використання отриманих результатів дозволяє поліпшити якість роботи і надійність результатів при розпізнаванні осіб в різних системах.

Ключові слова


виявлення і детектування обличчя; метод Віоли-Джонса; автоматична стабілізація яскравості кадру; ймовірність правильного виявлення осіб і їх головних елементів

Повний текст:

PDF (English)

Посилання


Viola, P. and Jones, M.J. (2001), “Rapid object detection using a boosted cascade of simple features”, IEEE Conf. on Computer Vision and Pattern Recognition, Kauai, Hawaii, USA, Vol. 1, pp. 511–518.

Viola, P. and Jones, M.J. (2001), “Robust real_time face detection”, International Journal of Computer Vision, Vol. 57, No. 2, pp. 137–154.

Joseph, Howse and Joe, Minichino (2015), Learning OpenCV 3 Computer Vision with Python : Second Edition, Packt Publishing, September, ISBN : 978-1-78528-977-4.

Saurabh, Kapur (2017), Computer Vision with Python 3, Packt Publishing, August 2017, ISBN: 978-1-78829-976-3.

Prateek, Joshi (2015), OpenCV with Python By Example, Packt Publishing, September 2015, ISBN: 978-1-78528-393-2.

Open Source Computer Vision, available at : http://docs.opencv.org/trunk (last accessed March 7, 2018).

Bovyrin, A., Druzhkov, P. and Erukhimov, V. (2016), Development of multimedia applications using libraries OpenCV and IPP, Intuit, Moscow, 382 р.

Comasch, F. Stuijk, S. Basten, T. and Corporaal H. (2013), “Rasw: A runtime adaptive sliding window to improve viola-jones object detection”, Distributed Smart Cameras (ICDSC), 2013 Seventh International Conference.




Copyright (c) 2020 Kostiantyn Dergachov, Leonid Krasnov, Oleksandr Cheliadin, Anatoliy Zymovin