
Тип работы:	Предмет:	Язык работы:

Разработка алгоритма обнаружения лица человека в видеопотоке

Работа №	118443
Тип работы	Бакалаврская работа
Предмет	программирование
Объем работы	56
Год сдачи	2021
Стоимость	4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	104

Не подходит работа?

Узнай цену на написание

Содержание

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

Введение

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.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

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.

Литература

1. Актуальность 2D алгоритмов в определенных задачах автоматического распознавания [Электронный ресурс]. // Реноме. - Режим доступа: https://moluch.rU/conf/tech/archive/2/138/ (дата обращения: 21.05.2021).
2. Броневич А. Н. Лекции по методам машинного обучения [Электронный ресурс]. // Режим доступа: http://window.edu.ru/resource/files/lect_Lepskiy_Bronevich.pdf (дата обращения: 05.05.2021).
3. Видеоаналитика и распознавание лиц [Электронный ресурс]. // Wikipedia. - Режим доступа: https://video-praktik.ru/st_videoanalitika.html/ (дата обращения: 18.05.2021).
4. Ворона В.А., Костенко В.О. Биометрические технологии идентификации в системах контроля и управления доступом // Computational nanotechnology. 2016. №3. URL: https://cyberleninka.ru/article/n/biometricheskietehnologii-identifikatsii-v-sistemah-kontrolya-i-upravleniya-dostupom (дата обращения: 20.05.2021).
5. Гонсалес Р., Вудс Р Цифровая обработка изображений. М.: Техносфера, 2005. 1072 с. (дата обращения: 18.05.2021).
6. Красильников Н. Н. Цифровая обработка 2D- и 3D- изображений. СПб: БХВ-Петербург, 2011. 608 с. (дата обращения: 18.05.2021).
7. Лукьяница А. А., Шишкин А. Г. Цифровая обработка видеоизображений. М.: Ай-Эс-Эс Пресс, 2009. 518 с.
8. Метод Виолы — Джонса [Электронный ресурс]. // Wikipedia. - Режим доступа: https://ru.wikipedia.org/wiki/Метод_Виолы_— Джонса (дата обращения: 18.05.2021).
9. Метод главных компонент [Электронный ресурс]. // Wikipedia. - Режим доступа: https://ru.wikipedia.org/wiki/Метод_главных_компонент (дата обращения: 18.05.2021).
10. Метод опорных векторов [Электронный ресурс]. // Wikipedia. - Режим доступа: https://ru.wikipedia.org/wiki/Метод_опорных_векторов (дата обращения: 18.05.2021).
11. Обнаружение лиц на цветном растровом изображении с применением модифицированного метода Виолы-Джонса / М. Н. Вязовых, К. И. Зайцев, М.В. Мухортов, А. Н. Перов // URL: http://sntbul.bmstu.ru/doc/45828
12. Приоров А. Л., Апальков И. В., Хрящев B. В. Цифровая обработка изображений. Ярославль: ЯрГУ, 2007. 235 с.
13. Скрытая марковская модель [Электронный ресурс]. // Wikipedia. - Режим доступа: https://ru.wikipedia.org/wiki/Скрытая_марковская_модель (дата обращения: 19.05.2021).
14. Татаренков Д. А. Анализ методов обнаружения лиц на изображении [Электронный ресурс]. // Молодой ученый. — 2015. — №4. — С. 270-276. — Режим доступа: https://moluch.ru/archive/84/15524/ (дата обращения: 11.05.2021).
15. Что такое машинное зрение и чем оно отличается от человеческого? [Электронный ресурс] Режим доступа: https://meduza.io/feature/2019/03/30/chto- takoe-mashinnoe-zrenie-i-chem-ono-otlichaetsya-ot-chelovecheskogo-seychas- obyasnim-ponyatno (дата обращения: 05.05.2021).
...