Методы, основанные на предположениях о классе решающих функций.
Основным достоинством методов, основанных на предположениях о классе решающих функций, является ясность математической постановки задачи распознавания, как задачи поиска экстремума(В математике- максимальное или минимальное значение функции на заданном множестве). Многообразие методов этой группы объясняется широким спектром используемых функционалов качества решающего правила и алгоритмов поиска экстремума
Логические методы.
Логические методы распознавания образов базируются на аппарате алгебры логики и позволяют оперировать информацией, заключенной не только в отдельных признаках, но и в сочетаниях значений признаков. В этих методах значения какого-либо признака рассматриваются как элементарные события.
Лингвистические (синтаксические или структурные) методы.
Лингвистические методы распознавания образов основаны на использовании специальных грамматик порождающих языки, с помощью которых может описываться совокупность свойств распознаваемых объектов. Грамматикой называют правила построения объектов из этих непроизводных элементов.
Экстенсиональные методы
В методах данной группы каждому изучаемому объекту в большей или меньшей мере придается самостоятельное диагностическое значение. По своей сути эти методы близки к клиническому подходу, который рассматривает людей не как проранжированную (По степени важности от самого важного до самого незначительного) по тому или иному показателю цепочку объектов, а как целостные системы, каждая из которых индивидуальна и имеет особенную диагностическую ценность. Такое бережное отношение к объектам исследования не позволяет исключать или утрачивать информацию о каждом отдельном объекте.
|
|
|
Нейросетевые методы
Нейросетевые методы - это методы, базирующиеся на применении различных типов нейронных сетей . Основные направления применения различных НС для распознавания образов и изображений:
· применение для извлечение ключевых характеристик или признаков заданных образов,
· классификация самих образов или уже извлечённых из них характеристик (в первом случае извлечение ключевых характеристик происходит неявно внутри сети),
· решение оптимизационных задач.
Многослойные нейронные сети.
Архитектура многослойной нейронной сети состоит из последовательно соединённых слоёв, где нейрон каждого слоя своими входами связан со всеми нейронами предыдущего слоя, а выходами - следующего.
Простейшее применение однослойной НС (называемой автоассоциативной памятью) заключается в обучении сети восстанавливать подаваемые изображения. Подавая на вход тестовое изображение и вычисляя качество реконструированного изображения, можно оценить насколько сеть распознала входное изображение. Положительные свойства этого метода заключаются в том, что сеть может восстанавливать искажённые и зашумленные изображения, но для более серьёзных целей он не подходит.
|
|
|
Рисунок 4. Многослойная нейронная сеть для классификации изображений. Нейрон с максимальной активностью (в нашем случае первый) указывает принадлежность к распознанному классу.
МНС так же используется для непосредственной классификации изображений – на вход подаётся либо само изображение в каком-либо виде, или набор ранее извлечённых ключевых характеристик изображения, на выходе нейрон с максимальной активностью указывает принадлежность к распознанному классу Если эта активность ниже некоторого порога, то считается, что поданный образ не относится ни к одному из известных классов. Процесс обучения устанавливает соответствие подаваемых на вход образов с принадлежностью к определённому классу. Это называется обучением с учителем. Такой подход хорош для задач контроля доступа небольшой группы лиц. Такой подход обеспечивает непосредственное сравнение сетью самих образов, но с увеличением числа классов время обучения и работы сети возрастает. Поэтому для таких задач, как поиск похожего человека в большой базе данных, требует извлечения компактного набора ключевых характеристик, на основе которых можно производить поиск.
|
|
|
Глава 2
Практическая часть
Человек способен распознавать лица других людей благодаря зоне мозга на границе затылочной и височной долей — веретеновидной извилине. Люди учится узнавать лица с рождения и уже в четыре месяца могут четко отличить одного человека от другого. Главное, на что человек обращает внимание, — это глаза, скулы, нос, рот и брови, а также текстура и цвет кожи. При этом наш мозг обрабатывает лицо как единое целое и способен идентифицировать человека даже по половине лица. Мозг сравнивает полученную картинку с внутренним усредненным шаблоном и находит характерные отличия. Поэтому людям кажется, что представители другой расы «все на одно лицо»: внутренние шаблоны людей настроены на черты лица, характерные для их окружения. Как же работает информационная система распознавания лиц — об этом в сегодняшнем выпуске!
Прежде всего системе распознавания лиц необходимо найти лицо на изображении и выделить эту область. Для этого программное обеспечение может использовать разнообразные алгоритмы: например, определение схожести пропорций и цвета кожи, выделение контуров на изображении и их сопоставление с контурами лиц, выделение симметрий при помощи нейросетей. Наиболее эффективным считается метод Виолы-Джонса, который может использоваться в режиме реального времени. При помощи него система распознает лица даже при повороте на 30 градусов. Метод основывается на признаках Хаара, которые представляют собой набор черно-белых прямоугольных масок разной формы. Маски накладываются на разные части изображения, и алгоритм производит сложение яркостей всех пикселей снимка, оказавшихся под черной и белой частями маски, после чего рассчитывает разность этих значений. Далее система сравнивает результаты с накопленными данными и, определив лицо на изображении, продолжает его отслеживать для выбора оптимального ракурса и качества снимка. Для этого используются алгоритмы предсказания вектора движения или корреляционные алгоритмы.
|
|
|
Выбрав наиболее удачные снимки, система приступает к распознаванию лица и его сравнению с имеющейся базой. Она работает по тем же принципам, что и художник рисует портреты — программа находит опорные точки на лице человека, из которых складываются индивидуальные черты. Как правило, программой выделяется около 100 таких точек. Самыми важными измерениями для программ распознавания лиц являются расстояние между глазами, ширина ноздрей, длина носа, высота и форма скул, ширина подбородка, высота лба и другие параметры.
При использовании 2D-изображений успешно распознать лицо можно только при съемке в анфас и при хорошем освещении, что подходит для охранных систем на предприятиях и в госучреждениях. Для работы в общественных местах применяются 3D-изображения. Несколько синхронизированных камер делают ряд фотоснимков с разных ракурсов, на основе которых формируется трехмерная модель объекта, с которой и работает система, определяя контрольные точки. После этого полученные данные сравниваются с имеющимися в базе данных, и, при совпадении параметров, человек идентифицируется.
Помимо 3D-моделей ученые развивают и другие направления. Например, компания Identix создала высокоточную биометрическую технологию распознавания лиц, анализирующую текстуру кожи — поры, линии и шрамы. По словам разработчиков, использование их технологии вместе с традиционной системой распознавания лиц увеличит точность работы на 25%.
Заключение
Итак, мы ознакомились с понятиями теории распознавания образов: раскрыли основные определения, выделили основные методы и принципы теории распознавания образов.
Технологии, способные быстро обеспечить массовую идентификацию с предсказуемой достоверностью, становятся наиболее востребованными. Можно выделить следующие приоритетные области, для которых активно создаются автоматизированные приложения на основе алгоритмов лицевой идентификации: пограничный паспортный контроль, регистрация пассажиров, наружный видеоконтроль, контроль доступа. Следственные отделы уголовного розыска используют такие системы для сравнения фотографий с электронными изображениями в специализированных базах данных. Иммиграционные службы смогут выявлять лиц, получивших права гражданства или политическое убежище, если они появляются под другими именами.
Западный опыт внедрения биометрических систем показал, что у них есть не только сторонники, но и яростные противники, рассматривающие эту технологию как нарушение гражданских свобод и инструмент для построения общества тотального контроля граждан.
В более отдаленном будущем реальностью станет не только повсеместная и мгновенная идентификация личности, но и идентификация намерений и мотивационной структуры психики.
Дата добавления: 2018-05-02; просмотров: 537; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!