Исследование и разработка методов обнаружения человеческого лица на цифровых изображениях

Москвы «Политехнический колледж имени П.А. Овчинникова»
ИССЛЕДОВАНИЕ И РАЗРАБОТКА МЕТОДОВ ОБНАРУЖЕНИЯ ЧЕЛОВЕЧЕСКОГО

ЛИЦА НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ

Преподаватель специальных дисциплин Никитин Михаил Евгеньевич

с контролируемым фоном:
Данный метод подразумевает, что лицо снято фронтально на

монохромном фоне. Удаление фона с помощью специальных программ редактирования изображений естественным образом выделяет контуры лица. Этот метод является самым простым из имеющихся.

широко распространённый и тоже довольно простой приём обнаружения лиц. Понятно,

что он может использоваться, только если изображения и/или видео являются цветными. Программное обеспечение сканирует картинку, определяя зоны типичных для цвета кожи человека оттенков, а затем в обнаруженных зонах ищет характерные ключевые точки, признаки лица (уголки глаз, губ, крайние точки носа и т.д.).

основывается на факте, что лицо в потоковом видео обычно находится в динамике

(передвижение человека) и постоянно изменяется (мимика, речь). Данный подход рассматривает движение в кадре как сигнал к тому, что движущийся объект потенциально может являться лицом. Разумеется, двигаться в кадре могут и другие объекты, поэтому в локализованных областях (где было замечено движение) программа дополнительно ищет специальные ключевые точки.

перед учёными и разработчиками две взаимно противоречащих друг другу задачи.

С одной стороны, для максимально точного и безошибочного детектирования лиц необходима перспективная модель Такое решение, во-первых, обладает большой различительной способностью, а, во-вторых, поддерживает высокую производительность системы.

(Paul Viola) и Майкл Джонс (Michael Jones) предложили революционный метод ) компьютерного

обнаружения лиц. Предложенный метод был настолько быстродействующим (скорость работы превышала существующие в то время методики в 15 раз!), простым и надёжным, что алгоритм вскоре был встроен в большинство стандартных фотокамер. Виола и Джонс не ставили целью анализировать всё изображение целиком: они сконцентрировались на анализе прямоугольных «черт» изображения, поскольку анализ сигналов сложной формы схож с анализом вейвлетов Хаара для простых меандров (сигналов прямоугольной формы).

Формируем решение о наличии лица на данной области изображения
Подаем на

вход нейронной сети рассматриваемую области изображения

Получаем каскадную модель сильных классификаторов

Подаем на вход область изображения,
i = 1,
x= количество сильных классификаторов

Производим поиск лиц на входной области на 1-ом слою каскадной модели

Конец

i > K

Да

Нет

Нет

Да

переходом яркости - краями, а как известно человеческое лицо имеет

форму эллипса и определенные пропорции соответствуют форме большинства людей. Так же все черты лица, такие как рот, нос, брови и глаза имеют различные уровни яркости. При расчете относительно самого лица можно сделать детектор, который будет показывать положение потенциального лица. Так же использовать эти знания для решения подзадачи поиска лица после сегментации по цвету кожи.

их близости к цветовому спектру человеческой кожи самые распространенные методы,

так как они просты в реализации и отличаются низкими затратами на вычисления.
Разные методы, из данной категории, используют разные цветовые системы, поэтому итоговый результат может меняться, относительно используемой системы. Основные цветовые системе в которых часто используют поиск лиц это RGB и TSL.

Основой этого подхода служит переход от основного изображение к контурному

представлению построенных применением к исходному изображению различных сверток такие как Собеля, Канни и Лапласа. После применения преобразований происходит небольшая оптимизация изображений с целью уменьшения затрат на дальнейший поиск лиц. Происходит сужение контуров.
Поиск лицо обычно осуществляется по одной из двух схем, использую преобразование Хафа (Hough), позволяющее определить наличие эллиптических контуров. Либо использованием шаблонов.

распознавания, которую можно адаптировать для решения задачи поиска лиц на

изображения.
Классификация – задача определения к какому из заданных классов соответствует объект. Классы задаются набором из конечного количества объектов Пример, определить является ли объект растением. В данной задаче «сильным» пример, определить принадлежность человека к монголоидной расе. Классификаторами могут выступать разрез глаз, невысокий рост, темный цвет кожи

лица будет присутствовать одна проблема – мультидетекция лица т.е. когда

на одном участке изображении похожее на лицо происходит несколько срабатываний детектора при смещении или масштабирование просматриваемого окна.

В большинстве случаев мультидетекция возникает именно на лицах, как правило ложные срабатывания детектора единичны. При выборе в детекторе оптимальное значения чувствительности, при котором мультидетекция на лицах будет максимальна, и при этом вероятность появление мультидетекции на ложных срабатываниях будет минимальной, дает возможность использовать мультидетекцию для отсечения ложных срабатываний.

а также для создания слой-масок.
Палитра «Каналы» позволяет также управлять отображением

отдельных каналов на экране, делая их видимыми или невидимыми. 

Палитра «Дизайн» представляет собой планшет, который вы можете использовать для произвольного смешивания цветов.
А так же существует ряд других палитр.

Windows- библиотеку, содержащую весь необходимый функционал для разработки приложений по

обнаружению человеческих лиц.
По результатам тестирования, метод показал не плохие результаты по качеству на пробном тренировочном множестве: 80% лиц с разными ракурсами, с разными сложностями, такие как цвет кожи, наличие очков и бороды.
При небольшой модификации метода можно получить распознаватель текста на изображении.