ШАХСНИ ИДЕНТИФИКАЦИЯЛАШ КЎП ПОҒОНАЛИ БИОМЕТРИК ТИЗИМИДА БЕЛГИЛАР ФАЗОСИНИ ШАКЛЛАНТИРИШ МУАММОЛАРИ Текст научной статьи по специальности «Компьютерные и информационные науки»

fr

TQfiHKENl DAVLAT TftAN SPORT UN IV ER SITdl

Ташкентский государственный транспортный университет

"Актуальные вопросы развития инновационно-информационных технологий на транспорте" АВРИИТТ-2021 1-Республиканская научно-техническая конференция (Ташкент, 24-25 ноября 2021 года)

ШАХСНИ ИДЕНТИФИКАЦИЯЛАШ КУП ПОГОНАЛИ БИОМЕТРИК ТИЗИМИДА БЕЛГИЛАР ФАЗОСИНИ ШАКЛЛАНТИРИШ МУАММОЛАРИ

Собиржон РАДЖАБОВ,

техника фанлари номзоди, лаборатория мудири, Ра;амли технологиялар ва сунъий интеллектни ривожлантириш илмий-тад;и;от институти,

Тошкент, Узбекистон Шукурулло КАХАРОВ, таянч докторант, Ра;амли технологиялар ва сунъий интеллектни ривожлантириш илмий-тад;и;от институти, Тошкент, Узбекистон

E-mail: sh. [email protected] DOI: https://d0i.0rg/10.47689/978-9943-7818-0-1-pp154-158

Аннотация. Ушбу ма;олада шахсни юз тасвири асосида идентификациялаш масаласини куп погонали биометрик тизим ор;али %ал этишда юз тасвирларидан белгилар ажратиб олиш ва белгилар фазосини шакллантиришнинг баъзи усуллари тавсифи келтирилган.

Калит сузлар: юз тасвири, идентификация, белгилар вектори, детекторлар, дескрипторлар.

Сунгги йилларда биометрик параметрлар асосида ра^амли тасвирларга автоматик ишлов беришда $лланилувчи нисбатан ^улай ва унча ^иммат булмаган тизимларни яратиш масаласи замонавий технологиялар со^аси мутахассислари орасида катта ^изи^иш уйготмовда. Куплаб биометрик усул ва ёндашувлар орасида шахсни юз тасвири асосида идентификациялаш масаласи, ^улёзма ёзуви, бармо^ изи ^амда кузнинг рангдор пардаси тасвирлари асосида идентификациялаш каби бош^а усуллардан кура купро^ афзалликларга эга. Ушбу усул маълумотларни туплаш давомида кузатилаётган шахс билан контактни(^ул билан тегиш ва *.к.) талаб этмайди ва унинг саломатлигига хавф солмайди.

Юзни таниб олишдаги асосий муаммолар сифатида ёритилганлик, юз ифодалари, юзнинг турли жойлашуви, ^исман окклюзия, юзнинг тузилиши ва хала^ит фон кабиларни курсатиш мумкин.

Тасвирлардан юзларни таниб олиш - бу тасвирлардаги бир ёки бир нечта шахсларни идентификациялаш усулидир. Юзни таниб олиш алгоритмлари, одатда, юзнинг ало^ида белгилари ^исобланувчи махсус ну^талари ва юз компоненталарининг ^ийматларини ани^лаб олади ^амда мазкур ^ийматларни маълумотлар базасидаги мавжуд ^ийматлар билан узаро таэдослаб энг мос келувчиларини топишга хизмат ^илади.

Юзларни таниб олиш - бу тасвирлардаги бир ёки бир нечта одамларни идентифкациялаш усулидир. Юзни таниб олиш алгоритмлари ,одатда, юзнинг ало^ида белгилари ^исобланувчи юз бурчак ну^талари ва юз компоненталарининг ^ийматларини ани^лаб олади >;амда мазкур ^ийматларни маълумотлар базасидаги мавжуд ^ийматлар билан узаро таэдослаб энг мос келувчиларини топишга хизмат ^илади.

Т54

Ж

TDSHKEIMT DAVLAT TRANSPORT UNIVEHSITETI

Ташкентский гссударстмнчый транспортный университет

"Актуальные вопросы развития инновационно-информационных технологий на транспорте" АВРИИТТ-2021 1-Республиканская научно-техническая конференция (Ташкент, 24-25 ноября 2021 года)

Юзни таниб олиш алгоритмлари ^уйидаги категорияларга булинади ва мазкур алгоритмлар таниб олиш, локаллаштириш ^амда юзларни текшириш алгоритмларига >;ам ^улланади: а) холистик (глобал) - таш^и куринишга асосланган (appearance-based); б) белгиларга (локал компоненталарга) асосланган (feature-based); в) гибрид (fusion) усуллар ва уларнинг таксономиялари [1].

Биз томондан таклиф этилаётган ёндашувда шахсни юз тасвири асосида идентификациялашни куп погонали биометрик тизим ^уриш ор^али >;ал этиш кузда тутилган. Бунда юз тасвири локал компоненталарга ажратиб олинади, ^амда ^ар бир компонента тасвиридан бир нечта дескриптор ва детекторлар ёрдамида белгилар векторлари >;осил ^илинади. Шунингдек, яхлит юз тасвиридан >;ам мавжуд усуллар ёрдамида ало^ида белгилар вектори ^осил ^илинади.

Белгилар векторлари маълумотлар базасида са^ланади, мазкур векторлар таниб олиш самарадорлигини ошириш учун ^осил ^илинувчи юз компоненталари комбинациялари (унг куз+чап куз; унг куз + чап куз + бурун; бурун+огиз ва *.к.) буйича мос равишда конкатинация ^илишда фойдаланилади ва таниб олиш алгоритмларига кирувчи ^ийматлар вазифасини бажаради.

Бунда компоненталар комбинацияси куп погонали тизимнинг погоналари сифатида ^аралади. Погонадан погонага утишда комбинацияланувчи компоненталар биттага ошириб борилади ва якуний погонада барча компоненталар иштирок этади. Белгилар векторлари ва уларнинг конкатинацияси асосида классификациялаш амалга оширилади ва олинган натижалар якуний ^арор ^абул ^илиш интеграторларига узатилади.

Интеграторлар муста^ил классификаторлардан олинган ^ийматлар асосида якуний ^арор ^абул ^илади. Тизимда э^тимолий Байес, нейротармо^ли, лог-чизи^ли интеграторлардан фойдаланилади.

Таклиф этилаётган биометрик тизим функционаллигини таъминлашда юз тасвири ва унинг локал компоненталаридан белгилар ажратиш ор^али белгилар фазосини шакллантириш му^им бос^ичлардан ^исобланади. Ра^амли тасвирдаги объектларни бирламчи геометрик белгиларидан бири бу махсус ну^талардир. Одатда, махсус ну^талар сифатида тасвирнинг яхши фар^ланадиган локал ^удудлари, яъни чегаралар, бурчаклар олинади ва улардан тимсолларни таниб олишнинг кейинги бос^ичларида фойдаланилади. Куйидаги хоссаларни ^аноатлантирувчи тасвирдаги ну^та махсус ну^та деб аталади:

- бар^арорлик - бунда берилган тасвирнинг масштаби, ёр^инлиги, ракурси узгарганда ва хала^итлар ^ушилганда ^ам махсус ну^та юзнинг айнан бир жойида булиши;

- а^амиятлилик - бунда ^ар бир махсус ну^та ягона тавсифга эга булиши;

- компактлик ва самарадорлик - бунда махсус ну^талар сони юз тасвиридаги ну^талар сонидан анча кам булиши;

- локаллик - "узига хослик" тасвирнинг бирор-бир ^исми булиб, у, одатда, тасвирнинг кичик ^исмини эгаллайди. Шунинг учун у туси^ларга нисбатан сезгир эмас.

Тасвир махсус ну^таларини ажратиб олиш алгоритми детектор деб аталади. Дескриптор махсус ну^та атрофини узига ^ослигини ани^ловчи тавсиф булиб, у ани^ланган параметрларни сонли ёки бинар векторларини ифодалайди. Вектор

fr

TOfiHKEhIT DAVLAT TRANSPORT UNIVERSITETI

Ташкентский государственный транспортный университет

"Актуальные вопросы развития инновационно-информационных технологий на транспорте" АВРИИТТ-2021 I-Республиканская научно-техническая конференция (Ташкент, 24-25 ноября 2021 года)

узунлиги ва параметрлар тури ^улланиладиган алгоритм асосида ани^ланади. Дескриптор тасвир махсус ну^талари тупламидан маълум бир махсус ну^тани ажратиб олиш имконини беради. Бу турли тасвирларни солиштиришда бир объектга тегишли узига хосликлар калит жуфтликларини яратиш учун зарур ;исобланади.

Шахсни идентификациялаш тизимини ишлаб чи^ишда параллел ;исоблаш технологияларини ^уллашни инобатга олган ;олда юз тасвирлари махсус ну^таларини тезкорлик жи;атдан самарадор булган детектор ва дескрипторларни ушбу тасвирларнинг белгилар фазосини шакллантириш учун асосли танлаш ма^садга мувофи^ булади [2].

Юз тасвирлари белгилар фазосини шакллантириш имконини берувчи энг кенг тар^алган махсус ну^талар детектор ва дескрипторларни ^ис^ача куриб чи^амиз.

SIFT дескриптори [3]. Бунда дастлаб узгарувчан масштабли фазо ^урилади ва ушбу фазода турли силли^лаш параметрига эга булган Гауссиан Лапласианинг (LoG - Laplacian of Gaussian) функцияси ;исобланади. Ну^та калит ну^та , дейилади ,агарда у Гауссианлар фар^ларининг локал экстремуми булса. Калит ну^талар деб олинган тахминий ну^талар ^айта текширилади. Бунда кичик контрастли ва объектлар чегараларидаги ну^талар олиб ташланади. Сунгра калит ну^таларни йуналишлари ;исобланади. Бунинг учун ну^та атрофида градиент вазнли гистограмма ^урилади ва гистограмманинг максимал компонентасига мос йуналиш танланади. Гистограмма компонентаси ^иймати берилган бусагадан катта булган барча йуналишлар ну^тага бириктирилади. Ушбу ну^та локал экстремумларни силжитмайдиган айлантириш, масштаблаш ва кучишга нисбатан инвариантдир.

SURF дескриптори [4]. Тасвирдаги махсус ну^таларни ани^лаш Гессе матрицаси ор^али амалга оширилади ва у Гессианали "буриш" типидаги шакл алмаштиришга нисбатан инвариант, биро^ масштаб узгаришига нисбатан инвариант эмас. Шунинг учун ;ам SURF Гессианни ;исоблашда турли масштабдаги фильтрлардан фойдаланади. SURF Гаусс ядроли фильтрни ^уллаб, бутун тасвир буйлаб ;аракатланиб чи^ади ва шу ор^али Гессе матрицаси детерминантининг максимал ^ийматини таъминловчи ну^талар ани^ланади. Махсус ну^талар ани^лангандан сунг SURF дескрипторларини шакллантиради. Дескриптор ;ар бир махсус ну^та учун 64 (ёки 128) та сондан иборат тупламни узида акс эттиради ва улар махсус ну^та атрофидаги градиент фликтуациясини акс эттиради.

FAST детектори [5]. Бунда дастлаб берилган С ну^тани махсус ну^та деб олиш тугрисидаги ^арор ^абул ^илиш учун маркази С ну^тада ва радиуси 3 га тенг булган доирадаги 16 та пикселнинг ёр^инлиги куриб чи^илади.

Доира пикселлари ёр^инликларини С марказ ёр^инлиги билан солиштириш ;ар бири учун булиши мумкин булган учта натижа (ёр^инро^, ^ораро^, ухшаш) ор^али амалга оширилади. Агар доирада унинг марказига нисбатан ^ораро^ булган кетма-кет n=12 та пиксел ёки марказга нисбатан ёр^инро^ булган 12 та пиксел мавжуд булса, у ;олда бу ну^та махсус сифатида белгиланади.Тажрибавий ва амалий натижалар ^арор ^абул ^илиш учун уртача 9 та ну^тани текшириш етарли эканлигини курсатди. Жараённи тезлаштириш ма^садида ушбу иш муаллифлари текширишни 1, 5, 9, 13 ра^амли туртта пикселдан бошлашни таклиф ^илдилар. Агар улар орасида ёр^инро^ ёки фраро^

Т5ё

Ж

TDSHKEIMT DAVLAT TRANSPORT UNItfERSlTETI

Ташкентский гссударстоенчый транспортный университет

"Актуальные вопросы развития инновационно-информационных технологий на транспорте" АВРИИТТ-2021 I-Республиканская научно-техническая конференция (Ташкент, 24-25 ноября 2021 года)

булган 3 та пиксел мавжуд булса, у ;олда 16 та пиксел буйича тули^ текшириш бажарилади, акс ;олда бу ну^та "махсус булмаган" ну^та сифатида белгиланади. Бу детекторнинг ишлаш ва^тини сезиларли даражада ^ис^артириб, ^арор ^абул ^илишда доиранинг 4 та я^ин ну^тасини куриб чи^ишнинг етарли эканлигини билдиради.

ORB дескриптори [6]. Бунда махсус ну^таларни ани^лаш FAST детектори ор^али амалга оширилади. FAST бусага ^иймат параметри сифатида марказий пиксел билан унинг атрофида чизилган айлана орасидаги интенсивлик ^ийматини олади. Куплаб ишларда FAST-9 (айлана радиуси 9 га тенг деб олинади) модификацияси ма;сулдорлик ну^таи назаридан нисбатан самарадор булганлиги учун ORBда ундан фойдаланилган. Потенциал махсус ну^талар ани^лангандан сунг уларни яхшилаш учун Харрис бурчак детектори ^улланилади. N та махсус ну^тани олиш учун аввал ^уйи бусагадан фойдаланиб, N тадан куп булган ну^талар олинади, шундан сунг улар Харрис метрикаси ёрдамида тартибланади ва дастлабки N та ну^та танлаб олинади. Танлаб олинган ну^талар дескрипторларини ^уришда купинча BRIEF модификациясидан фойдаланилади. Чунки ушбу модификация ^ушимча алмаштиришлар ;исобига бурилишга инвариантдир.

KAZE дескриптори [7]. Бу дескрипторни яратиш яхширо^ локализация ани^лиги ва ажратувчанликка эришиш учун чизи^ли булмаган масштабли со;ада 2D ;усусиятларни ани^лаш ва баён ^илиш гоясига асосланади. SIFT каби бошща объектларни таниб олиш алгоритмларида фойдаланиладиган Гаусс хиралаштириши объектлар табиий чегараларини англатмайди, чунки тасвир тафсилотлари ва хала^итлар бутун масштаб даражаларида бир хил силли^ланади.

KAZE ;ар бир пикселга куп масштабли ;осилалар (градиентлар) ;исоблангани учун уни ;исоблаш SURFra Караганда купро^ ресурсларни талаб ^илади, биро^ у му;им ну^та баён этишда ;исоблаш ресурсларини тежаб флади, чунки му;им ну^тани баён этишда олдин олинган ;осилалар тупламидан фойдаланади.

AKAZE дескриптори [8]. Ушбу дескриптордан ночизи^ масштабли фазодаги махсус ну^таларни ани^лаш ва тавсифлашда фойдаланилади. Унинг асосида ётувчи гоя турли масштаблардаги орали^ тасвирлар сериясини яратишдан иборат булиб, бунда берилган тасвирга турли хил фильтрлаш амаллари ^улланилади.

Юфрида келтирилган детектор ва дескрипторлардан шахсни идентификациялаш куп погонали тизимларни ^уришда, белгилар фазосини шакллантиришда, фойдаланилиши юз тасвири белгилар фазосини шакллантириш муаммосини ;ал этиш ва юфри ани^ликдаги натижалар олиш имконини беради.

ФОЙДАЛАНИЛГАН АДАБИЁТЛАР РУЙХАТИ:

1. B. Heisele, T. Serre, and T. Poggio. A component-based framework for face detection and identification. Vol. 2, 74, Springer, 2007. - PP. 167-181.

2. Раджабов С.С., Хашимов А.А., Уринов Э.М., Атаханов М.Х. Юз тасвири махсус ну^талари ва уларнинг дескрипторларини ажратиш алгоритмларининг ^иёсий та;лили. Фаргона Политехника институти илмий - техника журнали. 2020, T.24, № 4. - Б. 99-107.

3. Lowe D.G. Object recognition from local scale-invariant features // In Proc. of the Int. Conf. on Computer Vision. - 1999. - Vol. 2. - PP. 1150-1157.

4. Herbert B., Ess A., Tuytelaars T., Van Gool L. SURF: speeded up robust

fr

TOfiHKEhlï DAVLAT TRANSPORT UNIVERSITE!!

Ташкентский государственный транспортный университет

"Aктyальные вопрсюы развития инновационно-информационных технологий на траноторте" AВPИИTT-2021 I-Pеcпyбликанcкая наyчнс-техничеcкая конференция ^шкет", 24-25 ноября 2021 года)

features //Computer Vision and Image Understanding (CVIU). - 2008. - Vol. 110. -PP. 346-359.

5. Biadgie Y., Sohn K. Feature Detector Using Adaptive Accelerated Segment Test //In Proc. of the Int. Conf. on Information Science & Applications. - Seoul, 2014. - PP. 1-4. DOI: 10.1109/ICISA.2014.6847403.

6. Rublee E. and etc. ORB: an efficient alternative to SIFT or SURF // In Proc. of IEEE Int. Conf. on Computer Vision 2011; 58(11): 2564-2571.

7. Alcantarilla P., Bartoli A., Davison A. KAZE Features // In Proc. of European Conference on Computer Vision 2012; 4: 214-227.

Alcantarilla P., Nuevo J., Bartoli A. Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces // In Proc. of British Machine Vision Conference (BMVC), 2013.

ТAШИШНИ ТAШKИЛ ЭТИШ BA БOШKAРИШГA ДOИР ФAНЛAРНИ УКИТИШНИ SMART-ТЕXНOЛOГИЯЛAРИ AСOСИДA ТAШKИЛЛAШТИРИШ

Толаниддин НУРМУХАМЕДОВ,

Тошкент давлат транспорт университета профессори, т.ф.д.,

Тохир ХУДАЙБЕРГАНОВ, Педагогик инновациялар, касб-уунар таълими бош;аруви уамда педагог кадрларни ;айта тайёрлаш ва уларнинг малакасини ошириш институти

булим бошлиги DOI: https://doi.orc/10.47689/978-9943-7818-0-1-pp158-163

Аннотация: Ушбу ма;олада ташишни ташкил этиш ва бош;ариш жараёнларидаги инновацион фаолиятдаги смарт-технологиялари уамда уудудий транспорт тизимларини бош;ариш моделлари ва муаммолари урганил-ган. Шунингдек, касб таълимнинг инновацион фаолиятини ривожлантириш йуллари ёритилган ра;амли технологияларни жорий этиш уамда SMART ресурсларидан фойдаланиб , унувчи-талабаларга индивидуал ёндашиш ор;али у;итиш сифатини ошириш ва эришиш мумкин булган натижалар тугрисида таулилий маълумотлар келтирилган.

Калит сузлар: Темир йул, транспорт, тизим, SMART - технологиялар, масофавий у;итиш, компетенция, индивидуал ёндашув, электрон таълим ресурслари, мультимедиа, смарадорлик, ахборот коммуникация технологиялари.

Жа;онда темир йул транспорти юк ташиш жараёнларида юк о^имларини ташкил этиш ва бошщариш технологияларини ривожлантириш етакчи уринни эгалламовда. Бу борада темир йул хизматидан фойдаланувчилар билан ишлашнинг яхлит тизимини шакллантирувчи усуллардан бири автоматлашти-рилган электрон ;ужжат айланиш тизимини такомиллаштиришдир.