Аннотация 2
Введение 6
1 Анализ методов обнаружения лица человека на цифровых изображениях 7
1.1 Обзор существующих методов обнаружения лиц на изображениях 7
1.2 Анализ и выбор метода для обнаружения лица 19
2 Разработка алгоритма обнаружения лица человека в видеопотоке 26
2.1 Разработка алгоритма обучения 26
2.2 Интегральное представление изображения 28
2.3 Алгоритм работы сканирующего окна 30
2.4 Разработка алгоритма обучения классификаторов AdaBoost 34
2.5 Разработка алгоритма обнаружения 38
3 Тестирование разработанного алгоритма 45
3.1 Оценка разработанного алгоритма обнаружения лица в видеопотоке 45
3.2 Оценка работы алгоритма с применением фильтров предобработки 48
Заключение 52
Список используемой литературы 54
В мире быстро развивающихся технологий не найдётся такого предприятия, на котором не установлены в качестве охранных средств безопасности системы контроля и управления доступом. И если прежде для идентификации сотрудников на пропускном пункте предприятия размещали турникеты с устройством сканирования карт или пропусков, то на сегодняшний день, благодаря активному развитию нейросетей и биометрических систем, компании всё больше устанавливают иные, более современные методы обнаружения и распознавания, которые точнее, удобнее и, главное, надёжнее[4].
В данной работе рассматриваются методы обнаружения лица человека на цифровых изображениях и видеопотоке в реальном времени.
Область применения задачи обнаружения имеет широкий спектр, затрагивающий не только системы безопасности, но и социальные сети и даже видеоигры с дополненной реальностью. Задача обнаружения лиц становится одним из главных направлений развития технологий машинного обучения и компьютерного зрения[1].
Предметом дипломной работы является обработка видеопотока для обнаружения лица человека.
Целью работы была установлена разработка алгоритма для выделения лица человека на кадрах видеопотока, основываясь на указанном ранее методе, а также увеличение эффективности работы алгоритма путём добавления методов предобработки изображений.
Для реализации работы требуется выполнить следующие задачи:
1. Проанализировать методы обнаружения лиц;
2. Определить наиболее подходящий метод для реализации;
3. Разработать алгоритм обнаружения лица на видеопотоке;
4. Провести тестирование алгоритма.
По итогу сделанной выпускной квалификационной работы были выполнены все поставленные задачи:
1. Был проведён анализ методов и алгоритмов обнаружения лиц на цифровых изображениях и кадрах видеопотока, были выявлены достоинства и недостатки. На основании чего можно сделать вывод, что основной проблемой методов обнаружения можно назвать высокую зависимость от внешних факторов, таких как: монотонность освещения, разрешение исходного изображения и положение объекта на изображении. Алгоритмы, зависящие в меньшей степени от воздействия подобных факторов, как правило, требовательны к вычислительной мощности и сложны в обслуживании, что усложняет их применение для обнаружения в реальном времени;
2. На основе проведённого анализа и наблюдений был определён наиболее подходящий метод для основы создания алгоритма обнаружения лиц на видеопотоке - метод Виолы-Джонса на основе признаков Хаара и адаптивного обучения классификаторов AdaBoost. За счёт адаптивного обучения классификаторов на тестовой выборке, удалось добиться создания каскада сильных классификаторов, что позволило получить высокую эффективность обнаружения лиц;
3. Разработан и программно осуществлён алгоритм обнаружения лиц на кадрах видеопотока в реальном времени на основе алгоритма Виолы- Джонса, который был модифицирован алгоритмом предобработки, который включает в себя перевод изображения в градации серого, применение билатерального и медианного фильтров шумоподавления. Это позволило увеличить его эффективность. В результате тестирования доказано, что при применении комбинированного фильтра предобработки эффективность алгоритма достигает 97%. Подавляющая часть объектов была успешно распознана.
Таким образом, разработанный в результате работы алгоритм в дальнейшем может быть обучен на большей обучающей выборке изображений, доработан алгоритмом распознавания и адаптивной системой предобработки, что позволит использоваться его при решении задач как личного характера, так и для прямого применения в охранных системах контроля допуска и распознавания людей.
