Способ автоматического определения соответствия электронного изображения нормированному изображению лица

КОМИТЕТ ПО ПРАВАМ ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ МИНИСТЕРСТВА ЮСТИЦИИ РЕСПУБЛИКИ КАЗАХСТАН ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ПАТЕНТУ бражения изображению лица заключается в том, что преобразуют визуальное изображение в цифровой двухмерный массив определенного размера, затем проводят процедуру обучения по обширной выборке (не менее 10000) нормированных изображений лиц, для чего обрабатывают изображения фильтром высокой частоты по горизонтали и вертикали для вычисления вертикальных и горизонтальных производных, определяют функции распределения значений величин матриц производных в каждой точке и определяют минимальное и максимальное пороговые значения интервала, в котором находится большинство величин соответствующих производных классифицируют идентифицируемое изображение,для чего обрабатывают его фильтром высокой частоты по горизонтали и вертикали для вычисления вертикальных и горизонтальных производных идентифицируемого изображения проверяют соответствие значений полученных производных пороговым величинам, полученным в процессе обучения присваивают каждой точке определенное значение, и если сумма таких значений превышает некоторый порог, определенный опытным путем, делают вывод о присутствии изображения лица на текущем изображении, в противном случае, делают противоположный вывод.(72) Куленов Даулет Нильевич Лобанов Александр Федорович Тихонов Алексей Николаевич(73) Куленов Даулет Нильевич , Лобанов Александр Федорович(54) СПОСОБ АВТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ СООТВЕТСТВИЯ ЭЛЕКТРОННОГО ИЗОБРАЖЕНИЯ НОРМИРОВАННОМУ ИЗОБРАЖЕНИЮ ЛИЦА(57) Изобретение относится к способам распознавания образов путем выделения некоторых характеристик изображения и может быть использовано для автоматического определения соответствия электронного оцифрованного нормированного изображения изображению лица путем сравнения его характеристик с эталонными, полученными и модифицированными адаптивным методом в ходе обучения. Технический результат предлагаемого изобретения - сокращение времени обработки визуальных изображений, и повышение достоверности идентификации личности в режиме реального времени. Способ автоматического определения соответствия электронного оцифрованного нормированного изо 17012 Изобретение относится к способам распознавания образов путем выделения некоторых характеристик изображения и может быть использовано для автоматического определения соответствия электронного оцифрованного нормированного изображения изображению лица путем сравнения его характеристик с эталонными, полученными и модифицированными адаптивным методом в ходе обучения. Быстрое и надежное определение соответствия электронного изображения нормированному изображению лица является одной из важнейших задач предварительной обработки изображений и служит необходимой основой для успешного выполнения дальнейших преобразований по сравнению и идентификации личности. В настоящее время известно множество способов распознавания и классификации образов, в том числе и по решению задачи распознавания лица и его элементов. Среди них отметим основные способы, использующие Метод Принципиальных Компонент (- РСА), способы применения шаблонов элементов лица и способы, использующие нейронные сети. Каждый из этих способов имеет как сильные стороны, так и недостатки. Известен способ статистического обучения для обнаружения объекта на изображении (патент 5710833, кл. 06 9/00, 1998), в котором использован способ РСА для обнаружения лица и его элементов на изображении. В способе преобразуют визуальное изображение в цифровые сигналы, соответствующие нормированному изображению, вычисляют собственные векторы этих сигналов и собственные числа ковариационной матрицы полученного набора, соответствующие заданному изображению. Доказано, что собственные векторы такой системы образуют ортонормированное множество,разложение по которым приводит к значительному сжатию данных. На основе такого представления изображения строятся способы обнаружения объектов на изображении, которые по своей надежности и эффективности превосходят методы с использованием шаблонов и нормированной корреляции. Однако известно, что вычисления таким способом требуют значительных временных затрат, что затрудняет его использование в практических задачах, где время обработки изображения играет решающую роль. Известен также способ обнаружения лица на цифровом изображении (патент 6128397, кл. 06 9/00, 2000), основанный на использовании нейронных сетей ( ). В этом способе преобразуют визуальное изображение в цифровые сигналы, соответствующие нормированному изображению, обрабатывают полученные сигналы, при этом нормированное цифровое изображение проверяют на присутствие на нем изображения лица с помощью нейронных сетей, которые предварительно обучены на изображениях лиц и изображениях фона. Известно однако, что использование методов,основанных на нейронных сетях связано с больши 2 ми временными затратами, которые препятствуют их широкому применению в практических задачах реального времени. Наиболее близким предлагаемому способу является способ обнаружения лица и его элементов с использованием деформируемых эталонов ( ,,. . ,1971, . 59), в котором преобразуют визуальное изображение в цифровые сигналы, соответствующие нормированному изображению, обрабатывают полученные сигналы,при этом цифровые сигналы представляют в виде числового массива величин, соответствующее визуальному изображению, которое после соответствующей нормализации сравнивают в подходящей метрике с эталоном, представляющим собой деформированные вариации лица или его отдельных элементов. Однако и этот способ уступает по надежности обнаружения способам обнаружения лица и его элементов, основанным на РСА и также требует значительных временных затрат. Таким образом, все известные способы обнаружения лица на изображении требуют значительных вычислительных и временных затрат, являются довольно сложными и трудоемкими. Задача, на решение которой направлено предлагаемое изобретение, - создание простого и эффективного способа автоматического определения соответствия электронного оцифрованного нормированного изображения изображению лица. Технический результат предлагаемого изобретения - сокращение времени обработки визуальных изображений, и повышение достоверности идентификации личности в режиме реального времени. Такой технический результат достигается тем,что на первом этапе преобразуют визуальное изображение в цифровые сигналы, соответствующие нормированному изображению, и представляют эти сигналы в виде числовой матрицы, соответствующей визуальному изображению, после чего согласно предлагаемому изобретению осуществляют процесс обучения по обширной выборке (не менее 10000) нормированных изображений лиц, который включает в себя вычисление вертикальных и горизонтальных производных, для чего изображение обрабатывается с применением фильтра высоких частот(ФВЧ) по горизонтали и вертикали, определение функции распределения значений величин матриц производных в каждой точке и определение минимального и максимального пороговых значений интервала, в котором находится большинство величин соответствующих производных. Таким образом,определяются пороговые значения производных в каждой точке изображения, которые в дальнейшем используют при классификации. На втором этапе происходит решение задачи классификации, то есть определение присутствия или отсутствия нормированного изображения лица на поступающем для идентификации изображении. Для этого изображения также вычисляют последовательно вертикальные и горизонтальные производные и проверяют соответствие их величин пороговым значениям, по 17012 лученным в процессе обучения, в результате чего каждой точке изображения присваивают определенное значение. Если сумма таких значений превышает некоторый порог, определенный опытным путем,следует вывод о присутствии изображения лица на текущем изображении, в противном случае, делают противоположный вывод. Такой способ классификации изображений обеспечивает существенное повышение скорости обработки при высокой эффективности обнаружения лица, что позволяет использовать предлагаемый способ в системах идентификации и контроля доступа, работающих в режиме реального времени. Сущность изобретения поясняется приведенными рисунками. На фиг. 1 представлены типичные примеры полного (слева) и нормированного (справа) изображений из выборки лиц. На фиг. 2 показаны результаты применения ФВЧ по горизонтали и вертикали для изображения фиг. 1. На фиг. 3 - маски, полученные в результате обучения по обширной выборке для изображений, обработанных ФВЧ по горизонтали и вертикали. На фиг. 4 представлен график зависимости вероятности неверного принятия объекта (- ) от уровня порога, а на фиг. 5 график зависимости вероятности пропуска объекта(- ) от уровня порога. Реализация способа осуществляется в два этапа. На первом этапе преобразуют визуальное изображение в цифровые сигналы, соответствующие нормированному изображению, обрабатывают полученные сигналы, при этом цифровые сигналы представляют в виде числового массива величин,соответствующее визуальному изображению, после чего осуществляют процесс обучения по обширной выборке нормированных изображений, отображающих вариабельность множества лиц. На фиг. 1 показан пример полного изображения из выборки и нормированное изображение лица. Процесс обучения состоит в определении максимального значения в каждой точке, обработанных ФВЧ изображений по выборке лиц. Фиг. 2 показывает результаты применения фильтра высоких частот по горизонтали и вертикали для изображения фиг. 1. На фиг. 3 показаны маски, полученные в процессе обучения. На втором этапе происходит непосредственно классификация поступающего изображения, которая проводится следующим образом. Изображение обрабатывается ФВЧ по горизонтали и вертикали. Затем суммируются значения в определенных точках изображения, соответствующих максимальным значениям соответствующей маски, и превышающих некоторый порог, определенный опытным путем. Таким же образом суммируются значения в точках изображения, соответствующих минимальным зна чениям маски, и значения которых меньше некоторого минимального порога. Таким путем получаются два коэффициента, соответствующие изображению, обработанного горизонтальным ФВЧ и два коэффициента изображения, обработанного вертикальным ФВЧ. Конечный результат определяется в виде взвешенной суммы всех четырех коэффициентов. Опытным путем был определен порог, при превышении которого изображение относится к классу лиц, в противном случае делается противоположный вывод. Такой простой подход к решению задачи классификации позволяет значительно сократить время обработки и повысить достоверность нахождения лиц. Были проведены вычисления по обширной выборке тестовых изображений. На фиг. 4 и 5 показаны графики зависимости статистических характеристик способа вероятности неверного принятия объекта - ) и вероятности пропуска объекта (- ) от уровня порога. Данные характеристики были получены после тестирования способа по обширной выборке изображений. ФОРМУЛА ИЗОБРЕТЕНИЯ Способ автоматического определения соответствия электронного оцифрованного нормированного изображения визуальному изображению лица, заключающийся в том, что преобразуют визуальное изображение в цифровой двухмерный массив, отличающийся тем, что предварительно проводят процедуру обучения по обширной выборке (не менее 10000) нормированных изображений лиц, для чего обрабатывают изображения фильтром высокой частоты по горизонтали и вертикали для вычисления вертикальных и горизонтальных производных,определяют функции распределения значений величин матриц производных в каждой точке и определяют минимальное и максимальное пороговые значения интервала, в котором находится большинство величин соответствующих производных классифицируют идентифицируемое изображение, для чего обрабатывают его фильтром высокой частоты по горизонтали и вертикали для вычисления вертикальных и горизонтальных производных идентифицируемого изображения проверяют соответствие значений полученных производных пороговым величинам, полученным в процессе обучения присваивают каждой точке индивидуальное значение, и если сумма таких значений превышает порог, найденный опытным путем, делают вывод о присутствии изображения лица на текущем изображении, в противном случае, делают противоположный вывод.