359_Дмтрв_Крлва

Международная научно-техническая конференция «Информационные системы и технологии»
ИСТ-2014
СЕКЦИЯ 5.3 ТЕХНИЧЕСКАЯ КИБЕРНЕТИКА
(ИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ КОГНИТИВНЫХ ПРОЦЕССОВ)
Д.В. ДМИТРИЕВ (к.т.н., доцент), Н.С. КРЫЛОВА (магистрант)
(Нижегородский государственный технический университет им. Р.Е. Алексеева)
ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ К ЗАДАЧЕ БИОМЕТРИЧЕСКОЙ
ВЕРИФИКАЦИИ ПО ИЗОБРАЖЕНИЮ ЛИЦА
Сегодня нейронные сети применяются во многих сферах: управления, прогнозирования,
оценки качества. Они хорошо зарекомендовали себя и в задачах распознавания образов. Несмотря
на существование и практическое использование большого числа методов распознавания лиц по
фотографии, таких как метод главных компонент, скрытые Марковские модели, сравнение
эластичных графов и других, нейронные сети являются одним из наиболее эффективных методов,
поскольку они позволяют получать классификатор, способный хорошо моделировать сложную
функцию. При этом нейронные сети обладают хорошей обобщающей способностью, т.е. опыт,
полученный в процессе обучения, нейронная сеть может распространять и на образы,
отсутствующие в обучающей выборке, поэтому точность распознавания нейронными сетями
может значительно увеличиться по сравнению с другими методами.
В рамках данного исследования предлагается использовать машину распознавания лиц,
созданную на основе нейронных сетей. Система состоит из двух частей: блока извлечения
признаков и сети классификации обучаемой с учителем.
Блок извлечения признаков отвечает за то, в каком виде будут представлены входные данные
для нейронной сети, каким образом они будут обработаны и нормализованы. От этого напрямую
зависит скорость, эффективность и точность работы классификатора.
На первом шаге подготовки входного биометрического вектора для нейронной сети
выделяется лицо из целого кадра. С данной задачей успешно справляется метод Виолы-Джонса.
Далее изображение лица масштабируется, т.е. приводится к определенному эталонному размеру.
Обязательным шагом также является преобразование цветной фотографии в черно-белую, т.к.
цвет с точки зрения классификации лиц не несет полезной информации, но может препятствовать
правильному обучению нейронной сети.
Математическое преобразование полученного на данном этапе изображения позволило
извлечь признаки, максимально четко определяющие данное изображение, при этом отбросить
несущественные составляющие и, как следствие, позволило снизить размерность изображения.
Для этого изображение представляется в виде одномерного вектора значений яркости пикселей по
строкам. Над ним выполняется дискретное преобразование Фурье. Затем отбирается заданное
число первых коэффициентов и выполняется обратное преобразование. В итоге, сравнив
зависимости значений яркостей пикселей исходного изображения и значений коэффициентов
обратного преобразования Фурье, можно сделать вывод, что зависимости аналогичны, при этом
размер входного вектора значительно уменьшился. Результаты проведенного моделирования
подтвердили целесообразность использования данного метода, выявив наличие зависимости
абсолютных значений коэффициентов обратного преобразования от их номеров для различных
изображений лица одного человека и отсутствие этих зависимостей для изображений лиц разных
людей.
Блок классификации представляет собой многослойную нейронную сеть, обученную
методом обратного распространения ошибки. На вход подается биометрический вектор, и в
зависимости от выходного значения, лежащего в пределах от 0 до 1, принимается решение,
принадлежит ли данное изображение к классу, для которого изначально обучалась сеть, или нет.
E-mail: [email protected], [email protected]
359