Система детектирование людей по видеопоследовательности Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.93

СИСТЕМА ДЕТЕКТИРОВАНИЕ ЛЮДЕЙ ПО ВИДЕОПОСЛЕДОВАТЕЛЬНОСТИ

М. А. Лаптева, К. М. Болдырев Научный руководитель - М. Н. Фаворская

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева

Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31 Е-mail: [email protected], [email protected]

Работа посвящена разработке системы детектирования людей по видеопоследовательности. Данная система позволит обеспечить безопасность на охраняемых объектах.

Ключевые слова: распознавание людей на видео, нахождение людей на видеопоследовательности, поиск людей по видеопоследовательности.

THE DETECTION SYSTEM OF PEOPLE OF A VIDEO SEQUENCE

M. A. Lapteva, K. M. Boldurev Scientific supervisor - M. N. Favorskaya

Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation Е-mail: [email protected], [email protected]

The work is dedicated to the development of the system of recognition ofpeople on the video sequence. This system will ensure the safety on protected objects.

Keywords: recognition of people on the video, searching peoples on the video, detection peoples.

Технологии распознавания лиц являются на сегодняшний день одним из наиболее активно развиваемых направлений компьютерного зрения. Грамотно организованная система, использующая распознавание лиц позволит качественно решать целый спектр задач - от подсчета уникальных посетителей в торговом заведении до организации автоматизированных пунктов пропуска на режимных предприятиях и содействия в выполнении каждодневных задач органов внутренних дел и силовых структур. Ввиду постоянно растущей террористической угрозы и общей нестабильности межгосударственных отношений использование данных технологий становится неотъемлемой частью решения задач государственной важности.

Извлечение семантической информации из изображений лица человека является практически значимой задачей, которая позволит, в свою очередь, обеспечить необходимый уровень безопасности на объектах, где требуется регистрация, идентификация и аутентификация субъектов. Такую систему можно будет использовать в общественных местах, на закрытых и любых других стратегически важных объектах.

Одним из более эффективных методов распознавания лиц, на сегодняшний день считается метод главных компонент (Principal component analysis, PCA). Данный метод позволяет облегчить работу с данными, уменьшив число факторов, требующих внимания, а также выявлять глубинные критерии распознавания [1, с. 104]. Перед тем, как приступить к процессу распознавания лица, необходимо его обнаружить на видеокадре, для этого используются каскады Хаара, ключевой особенностью, которых является большая скорость обнаружения объектов в режиме реального времени.

Основные этапы алгоритма распознавания людей по видеопоследовательности:

1. Загрузка видеопоследовательности, через диалоговое окно.

2. Разбиение видеопоследовательности на кадры, для захвата каждого кадра с целью дальнейшего анализа.

3. Предварительная обработка видеокадров (построение изображения «Серый мир»).

4. Перевод изображения в интегральное представление.

Актуальные проблемы авиации и космонавтики - 2015. Том 1

5. Предварительный анализ и локализация объектов с помощью примитивов Хаара [2, с. 324].

6. Распознавание лиц на основе метода главных компонент.

Согласно методу главных компонент, обучающий набор лиц преобразуется в одну общую матрицу данных, где каждая строка представляет собой один экземпляр изображения лица, разложенного в строку. Все лица обучающего набора должны быть приведены к одному размеру. Затем производится нормировка данных и приведение строк к 0-му среднему и 1-й дисперсии, вычисляется матрица ковариации. Для полученной матрицы ковариации решается задача определения собственных значений и соответствующих им собственных векторов (собственные лица). Далее производится сортировка собственных векторов в порядке убывания собственных значений и происходит сравнение с заданным порогом. Если собственное значение больше значения порога, то текущий образ идентифицирован, иначе нет [3, с. 7].

В качестве входных данных выступает видеопоследовательность, содержащая лицо человека, и настраиваемые параметры поиска лица (тип поиска лица: стандартный или параллельный поиск лиц), после чего на выходе получаем видеопоследовательность с выделенной областью лица человека и его именем.

Интерфейс и основные функции программного продукта были разработаны в среде Microsoft Visual Studio 2012 (см. рисунок).

Интерфейс системы распознавания людей

Проведенные экспериментальные исследования показали, что недостатком разработанного программного продукта является то, что не учитывается поворот лица в процессе нахождения лица на видеопоследовательности. Однако если не брать во внимание, данный недостаток, и рассматривать только, кадры, с найденными лицами, то можно отметь, что распознавание методом главных компонент дает довольно не плохие результаты, даже в случае отсутствия предварительной обработки изображений. Тестирование было проведено, на трех образах людей. Процент распознавания данных образов с учетом использования предварительной обработки изображений составил: образ «Zena» -63,9 %, образ «Ken» - 58 %, образ «Anna» - 92,3 %.

Библиографические ссылки

1. Мурыгин К. В. Обнаружение объектов на изображении на основе каскада классификаторов // Искусственный интеллект. 2007. Вып. 2. С. 104-108.

2. Viola P., Jones J. Robust real-time object detection // Proc. of IEEE Workshop on Statistical and Computational Theories of Vision, 2001. P. 324-332.

3. Померанцев А. А. Метод главных компонент [Электронный ресурс]. URL: http://www.nlpr.ia.ac.cn/english/irds/papers/ wangliang/ACCV2002.pdf (дата обращения: 07.04.2015).

© Лаптева М. А., Болдырев К. М., 2015