ВВЕДЕНИЕ 3
ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К РАСПОЗНАВАНИЮ ЛИЦ 5
1.1 Общая структура процесса распознавания лиц 5
1.2 Методы на основе внешнего вида 7
1.3 Методы на основе антропологических признаков 14
1.4 Нейронные сети 22
ГЛАВА 2. РЕАЛИЗАЦИЯ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦ 27
2.1 Реализация метода главных компонент (PCA) и решение вычислительной задачи 27
2.2 Реализация алгоритма распознавания на основе линейного дискриминантного анализа 28
ГЛАВА 3. ЭКСПЕРИМЕНТЫ И РЕЗУЛЬТАТЫ 30
3.1 Эксперимент с использование базы данных Гарвардского университета 30
3.2 Эксперименты с использованием базы данных Йельского университета 32
3.3 Эксперимент с распознаванием лиц в очках и без очков 33
3.4 Выводы по экспериментам 34
ЗАКЛЮЧЕНИЕ 35
СПИСОК ЛИТЕРАТУРЫ 36
ПРИЛОЖЕНИЕ
В наше время технологии распознавания лиц активно развиваются в мире и играют важную роль в разных областях применения: ритейл, банковский сектор, правоохранительная сфера, безопасность и др. Поэтому, система распознавания, которая, является недорогой в использовании, выполняет быстрое сравнение, обрабатывает большие базы данных и выполняет распознавание в изменяющейся среде - необходимость нашего времени. Распознавание лиц - очень легкая задача для человека в том случае, когда лиц немного, но очень трудно иметь дело с большим количеством неизвестных лиц. Данное человеческое ограничение можно преодолеть с помощью суперкомпьютеров, которые будут используют хорошо продуманные алгоритмы. В настоящее время во многих приложениях производительность систем распознавания лиц в контролируемой среде достигла удовлетворительного уровня. Однако, все еще существует много проблем, связанных с неконтролируемой средой. Некоторые из этих проблем связаны с различиями в освещении, угол поворота лица, выражении лица и т.д. [1] Изменения условий освещения является одной из проблем [2], c которой система распознавания лица должна сталкиваться на практике. Кроме того, в практической среде изменение освещения всегда связано с другими проблемами, такими как изменение позы и изменение выражения лица, которые увеличивают сложность автоматического распознавания лиц. За последние 15 лет исследования были сосредоточены на том, чтобы сделать системы распознавания лиц полностью автоматическими, решая такие проблемы, как локализация лица на определенном изображении или видео, а также извлечение таких антропологических черт, как глаза, рот и т. д. В итоге, значительные успехи были сделаны в проектировании классификаторов для успешного распознавания лица. Среди подходов, основанных на целостном внешнем виде методы EigenFace [3] и Fisherfaces [4] хорошо зарекомендовали себя в экспериментах с большими базами данных. Подходы, основанные на сравнении графов, также были весьма успешными. По сравнению с целостными подходами, методы, основанные на признаках, менее чувствительны к изменениям освещенности и углу поворота лица и неточности в локализации лица. Однако методы извлечения признаков, необходимых для подхода этого типа, все еще не являются надежными или достаточно точными. Распознавание лиц также можно выполнить с помощью мягких вычислительных средств. Нейронные сети, нечеткие множества и генетический алгоритм часто используются мягкими вычислительными методами. По сравнению со всеми другими методами, методы мягких вычислений являются трудоемкими. Несмотря на то, что для решения проблемы распознавания лиц уже появилось множество методов, это все же развивающаяся область, зависящая от области применения приложения и ограничений.
При выполнении исследований для диссертации, в соответствии с ранее определенными целями и поставленными задачами были получены следующие результаты:
1. Для реализации системы были изучены такие библиотеки, как Junit 4, Hamcrest, Lombok, Guava. В результате работы били получены и улучшены навыки программирования, на Java и написания модульных тестов.
2. Проанализированы разные методы реализации алгоритмов распознавания лиц. В ходе анализа, были определены основные проблемы распознавания, так же были рассмотрены разные методы решения проблем распознавания лиц, для описанных ранее подходов.
3. Реализованы методы на основе внешнего вида, а именно метод главных компонент и метод линейного дискриминантного анализа, который основан на линейном дискриминантном анализе Фишера.
4. Выполнены эксперименты по распознаванию лиц и сделаны соответствующие выводы.
5. Реализованы алгоритмы, которые можно использовать для внедрения в системы распознавания лиц, например в приложение для операционной системы Android.
6. В перспективе планируется реализовать метод распознавания лиц на основе нейронных сетей с использованием уже реализованных алгоритмов.
