Введение 13
1 Обзор литературы 15
2 Объект и методы исследования 18
2.1 Исходные материалы 18
2.2 Постановка задачи 18
2.3 Обоснование и выбор пакетов прикладных программ и средств
программирования 19
5 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 22
5.1 Организация и планирование работ 22
5.2 Расчет сметы затрат на выполнение проекта 28
5.3 Оценка экономической эффективности проекта 34
5.4 Оценка научно-технического уровня НИР 34
Объектом исследования является поиск изображений лиц в коллекции.
Цель работы - исследование возможности распознавания изображения
лиц с помощью кластеризации мер их близости.
В процессе исследования проводились: изучение существующих методов
распознавания изображений; разработка алгоритма распознавания изображений.
В результате исследования были разработаны программные средства для
распознавания изображений лиц.
Основные конструктивные, технологические и техникоэксплуатационные характеристики: программа разработана на языке
программирования C# для платформы .NET Framework 2.0 и выше, имеет
модульную структуру. Предназначена для работы под управлением ОС Windows
8, 10.
Степень внедрения: разработанное средство используется в качестве
модуля в научных исследованиях кафедры ИПС, связанных с распознаванием
изображений.
Область применения: поиск изображений в коллекции, компьютерное
зрение.
Экономическая эффективность работы отсутствует.
Введение
Распознавание лиц является актуальной задачей искусственного
интеллекта и машинного зрения в таких областях применения, как системы
видео наблюдения, автоматизированный поиск в цифровых архивах и др. Одной
из важных задач распознавания является идентификация, то есть поиск похожих
изображений в коллекции по предъявленному образцу.
На данный момент задаче идентификации лиц посвящено множество
работ, однако в целом проблема ещё далека от разрешения. В большом
разнообразии алгоритмов, созданных для этой задачи, можно выделить три
группы. В первой группе распознавание осуществляется путём сравнения
характерных признаков изображения лица. Вторая группа включает в себя
алгоритмы, основанные на нейронных сетях. В третьей группе алгоритмов
признаки не используются. Подход, основанный на таком принципе, называется
беспризнаковым распознаванием. Данный подход опирается на гипотезу, суть
которой в предположении, что объекты со схожими свойствами чаще всего
попадают в один класс, чем в разные. В соответствии с этой постановкой
предполагается, что каждый объект распознавания может быть представлен
результатами попарных сравнений с базисным объектом. Для сравнения может
быть использована произвольная действительная функция, называемая
расстоянием. Решение о принадлежности сводится к тому, что в некотором
множестве расстояний выделяется подмножество расстояний, соответствующих
изображениям, наиболее схожих с образцом. Такая постановка распознавания
равнозначна решению задачи кластеризации расстояний.
Таким образом, целью работы является исследование возможности
применения кластеризации мер близости для задачи распознавания изображений
лиц в коллекции. В данном исследовании объектом является поиск изображений
лиц в коллекции, а предметом кластеризация мер близости.
