ВВЕДЕНИЕ 5
ГЛАВА 1 РАССМОТРЕНИЕ ТЕОРЕТИЧЕСКИХ АСПЕКТОВ
1.1. Процесс распознавания лиц
1.2. Методы распознавания лиц
1.2.1. Методы, основанные на значениях яркости пикселей
определена.
1.2.2. Методы, основанные на характерных точках
1.3. Цифровая экономика и big data 13
1.4. Обработка big data для разных сфер
1.5. Тренды российского и мирового рынка Big Data
1.6. Физиогномика и гексаграммы И Цзин 27
ГЛАВА 2 ПРОЕКТИРОВАНИЕ ПРОГРАММЫ 30
2.1. Существующие программные продукты 30
2.1.1. FindFace 30
2.1.2. Blippar 31
2.1.3. Pictriev 31
2.1.4. Поиск по картинкам Google 32
2.1.5. Betaface 33
2.1.6. Сравнение существующих аналогов 34
2.2. Описание классификатора 35
2.3. Область применения классификатор 35
2.4. Шифр программы 35
2.5. Назначение разработки классификатора 35
2.5.1. Функциональное назначение 35
2.5.2. Эксплуатационное назначение 36
2.6. Среда реализации программы
2.7. Математическое описание
2.8. Разработка тестовых фотографий
2.9. Построение гексаграмм 42
ГЛАВА 3 РЕАЛИЗАЦИЯ ПРОГРАММЫ 44
3.1. Структурная схема программы 44
3.2. Структурный анализ 44
3.3. Неформальное описание алгоритма 46
3.4. Блок-схема 47
3.5. Макет программы 50
3.6. Тестирование программы 52
3.7. Результаты работы 55
ЗАКЛЮЧЕНИЕ 56
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 57
ПРИЛОЖЕНИЕ 1 60
В современном мире всё больше и больше идёт внедрение систем для распознавания лица в экономике, в социологии и психологии, в кредитных организациях и смежных с ними отраслях. В связи с этим требуется все больше программ для распознавания лиц в различных направлениях и больший объём данных (big data) для анализа этих биометрических данных.
Задача распознавания лиц актуальна как в области интеллектуальных сред, так и в системах безопасности. Например, в 2017 был запущен онлайн-сервис распознавания лиц по фотографиям в Интернете на основе российской технологии, разработанной N-Tech.Lab. Google также опубликовал научную работу о новой системе искусственного интеллекта FaceNet, которая распознаёт лица людей с точностью 99,63 % на стандартном наборе данных LFW. Система исследователей из Facebook показала результат около 97,5 %. Среди продуктов с открытым исходным кодом можно выделить OpenCV.
Распознавание человека по изображению лица имеет ряд преимуществ по сравнению с другими методами идентификации человека:
1) не требуется специальное или дорогостоящее оборудование;
2) не нужен физический контакт с устройствами. Не надо ни к чему прикасаться или специально останавливаться и ждать срабатывания системы. В большинстве случаев достаточно просто пройти мимо или задержаться перед камерой на небольшое время.
Математическая система человеческих лиц соотносится с двоичным кодом древней китайской Книги Перемен И Цзин или Чжоу И, основой которой являются гексаграммы, символы которых являются своеобразным комплексом логических элементов, которые определяют универсальные общечеловеческие понятия, и в том числе определяют философию и психологию человеческой личности. Гексаграммы канона перемен И. Цзин являются логической системой, которая совпадает с системой психологических параметров человеческой личности, которые обусловлены асимметрией полушарий головного мозга. Поэтому гексаграммы являются универсальными символами, которые позволяют систематизировать психологические параметры человеческой личности, и организовать психологические типы и физиогномические изображения (образы) психологических типов посредством закономерной (регулярной) таблицы.
Данная технология также применима в медицине, в качестве анализатора фотографий пациентов для автоматизации определения психотипов человека. На данный момент процесс определения психологом психотипов пациентов по фотографиям производится полностью в ручном режиме. Частичная или полная автоматизация данного процесса позволит существенно ускорить процесс анализа, и разгрузить психолога.
Цель данной работы заключается в разработке классификатора фотографии лица человека на основе гексаграмм.
Актуальность данной выпускной квалификационной работы магистра состоит в автоматизации работы психолога и снижении объема сохраняемых данных результата (т.е. сохраняется не фотография, а именно гексаграммы).
Новизна данного классификатора состоит в том, что разработки известные нам в данном направлении не имеются.
Для достижения цели необходимо реализовать следующие задачи:
- анализ технологий по распознаванию образов;
- описание существующих методов;
- анализ рынка;
- проектирование программы;
- написать программу, которая будет нести рекомендательный характер, и определять лицо и смещение частей лица.
В настоящей выпускной квалификационной работе была рассмотрена методология распознавания образов как наиболее подходящая методология для реализации поставленной цели. Исследуемая технология реализована на основе алгоритма Виолы-Джонса с использованием признаков Хаара. Платформой реализации данной технологии послужила библиотека OpenCV с применение С#.
Реализованная программа имеет следующие возможности:
- обработка изображений формата «jpeg», «jpg», «png»;
- определение и выделение центральных линий лица (вертикальной и горизонтальной);
- определение границ «лица», «носа», «рта», «глаз»;
- расчет смещения «носа», «рта»;
- сохранение полученного результата в изображения формата «jpeg», «jpg», «png».
Данная программа носит рекомендательный характер и предназначена для работы на «офисных» ПЭВМ.
В ходе данной работы реализован основной функционал программы исходя из поставленной цели, необходимый для автоматизации работы психолога. В дальнейшем планируется интегрировать другие технологии для достижения поставленной цели.
