СПОСОБ ИДЕНТИФИКАЦИИ ЧЕЛОВЕКА Российский патент 2001 года по МПК G06K9/00 

Изобретение относится к системам авторизованного доступа, а также конкретно к способам идентификации человека на основе анализа структуры его лица.

Известны способы идентификации человека на основе анализа структуры его лица по видеоизображению, основанные на выделении и анализе характерных черт лица - глаз, бровей, носа, рта и т.п. (см., например, US Patent N 5710833, jan. 20, 1998).

Известны также способы идентификации, основанные на оценке интерактивных характеристик лица, в частности путем построения и оценки набора профилей яркости в поле зрения лица (см., например, L.Sircvich et al., 1987 Optical Society of America, "Low-dimensional procedure for the characterization of human faces", pp. 519-524).

Недостатками первого способа являются большие временные и вычислительные затраты на идентификацию и высокая стоимость оборудования, необходимого для реализации способа из-за высоких требований, предъявленных к оптическому датчику, равномерности и монохромности освещения объекта идентификации.

Недостатками второго способа являются низкая надежность распознавания, неустойчивость результатов распознавания к яркостно-контрастной изменчивости изображения.

Наиболее близким по технической сущности способом идентификации, выбранным в качестве прототипа, является способ, предусматривающий проверку наличия лица на изображении, полученном с помощью видеокамеры, определение местонахождения глаз на изображении, привязку положения других черт лица относительно глаз, определение характерных особенностей в некоторых точках лица, во время верификации подсчет признаков сходства с эталонами и сравнение с порогом (см., например, US Patent N 5164992, nov. 17, 1992).

Недостатками прототипа являются низкие надежность и скорость распознавания и высокая стоимость оборудования для реализации распознавания.

В изобретении ставятся задачи повышения надежности распознавания, увеличение скорости распознавания и снижение стоимости оборудования для идентификации человека на основе анализа структуры его лица. Эти задачи решены в способе идентификации человека в системах авторизованного доступа на основе анализа структуры его лица, включающем операцию обучения системы с предварительным построением набора эталонов лиц людей, подлежащих идентификации, отражающих различные фазы поворота лиц, выявлением характерных признаков из эталонов и записью их в память вычислительного устройства, операцию распознавания с получением с помощью оптического датчика в реальном масштабе времени в формате входного устройства компьютера видеоизображения, содержащего, по крайней мере, одно лицо человека, подлежащее идентификации, анализом видеоизображения с помощью вычислительного устройства для выделения лица человека и выявления характерных признаков предъявленного лица, сравнением этих признаков с признаками эталонов, хранящихся в памяти вычислительного устройства для формирования решения о идентификации и дообучении системы, и операцию дообучения системы авторизованного доступа, в котором набор эталонов строят с использованием оптического датчика в процессе совершения определенных движений головой человека, подлежащего идентификации, таким образом, что набор эталонов представляет собой дискретные двумерные информационные поля, содержащие информацию о характерных фазах поворота лица упомянутого человека, из этой информации одним из известных способов выделяют часть в виде области информационного поля, относящуюся к лицу упомянутого человека, внутри выделенной области производят операцию нормализации фона, заключающуюся в построении первого и второго дополнительных изображений путем усреднения яркостей точек выделенной области, относящейся к лицу человека с использованием масок с различной линейной размерностью и последующем поточечном вычитании первого дополнительного изображения из второго дополнительного изображения с получением таким образом нормализованного полутонового изображения части двумерного информационного поля, относящейся к лицу упомянутого человека, строят черно-белое изображение этой области, содержащее две градации яркости, после этого проводят фильтрацию шумов на черно-белом изображении, с использованием антропометрических данных на черно-белом изображении лица выделяют горизонтальную полосу, включающую изображение глаз, оценивают фазу движения лица путем анализа асимметрии изображения внутри выделенной полосы, результаты оценки используют в качестве ключевой информации для поиска в памяти вычислительного устройства эталонов лиц с фазами, близкими к оцененной фазе, разбивают черно-белое изображение с двумя градациями яркости на части, для каждой части определяют меру ее значимости в виде весового коэффициента, с использованием одного из известных методов производят сравнение этих частей с соответствующими частями эталонов лиц, найденных в памяти вычислительного устройства, и определяют количественную меру их сходства, на основании полученных в результате этого количественных данных и с учетом динамически настраиваемых порогов принятия решения о сходстве производят интегральную оценку меры сходства лица с каждым из эталонов, выбирают эталон, в сравнении с которым получена наилучшая интегральная оценка сходства, на основании одного из известных критериев принимают решение о включении дополнительных эталонов в набор эталонов, принадлежащих идентифицированному лицу для дообучения системы, при этом производят запись в память вычислительного устройства эталонов, полученных из дополнительных изображений уже идентифицированного лица, сделанных в процессе идентификации и в последующие моменты времени.

Отличие способа заключается в том, что набор эталонов строят с использованием оптического датчика в процессе совершения определенных движений головой человека, подлежащего идентификации, таким образом, что набор эталонов представляет собой дискретные двумерные информационные поля, содержащие информацию о характерных фазах поворота лица упомянутого человека, из этой информации одним из известных способов выделяют часть в виде области информационного поля, относящуюся к лицу упомянутого человека, внутри выделенной области производят операцию нормализации фона, заключающуюся в построении первого и второго дополнительных изображений путем усреднения яркостей точек выделенной области, относящейся к лицу человека, с использованием масок с различной линейной размерностью и последующем поточечном вычитании первого дополнительного изображения из второго дополнительного изображения, полученное таким образом нормализованное полутоновое изображение части двумерного информационного поля, относящейся к лицу упомянутого человека, строят черно-белое изображение этой области, содержащее две градации яркости, после этого проводят фильтрацию шумов на черно-белом нормализованном изображении, на черно-белом изображении лица выделяют горизонтальную полосу, включающую изображение глаз, например, с использованием антропометрических данных оценивают фазу поворота лица путем анализа асимметрии изображения внутри выделенной полосы, результаты оценки используют в качестве ключевой информации для поиска в памяти вычислительного устройства эталонов лиц с фазами поворота, близкими к оцененной фазе, разбивают черно-белое изображение с двумя градациями яркости на части, для каждой части определяют меру ее значимости в виде весового коэффициента, с использованием одного из известных методов производят сравнение этих частей с соответствующими частями эталонов лиц, найденных в памяти вычислительного устройства, и определяют количественную меру их сходства, на основании полученных в результате этого количественных данных и с учетом динамически настраиваемых порогов принятия решения о сходстве производят интегральную оценку меры сходства лица с каждым из эталонов, выбирают эталон, в сравнении с которым получена наилучшая интегральная оценка сходства, на основании одного из известных критериев принимают решение о включении дополнительных эталонов в набор эталонов, принадлежащих идентифицированному лицу для дообучения системы, при этом производят запись в память вычислительного устройства эталонов, полученных из дополнительных изображений уже идентифицированного лица, сделанных в процессе идентификации и в последующие моменты времени.

Надежность распознавания достигается за счет разбиения изображения с обнаруженным лицом на части и введением весовых коэффициентов для каждой части, а также за счет использования упомянутых выше плавающих порогов.

Повышение достоверности обнаружения и идентификации лица человека в предлагаемом способе достигается за счет точного определения фаз поворота лица в реальном масштабе времени, использования фильтрации шумов, возникающих в информационных каналах оптического датчика, в сочетании с процедурой автоматического дообучения и адаптивного критерия принятия решения об идентификации.

Снижение стоимости и расширение области применения систем, использующих идентификацию личности, достигается за счет возможности использования менее прецизионных оптических датчиков, менее жестких требований к техническим характеристикам вычислительного устройства.

Увеличение скорости распознавания достигается за счет предварительной оценки фазы поворота предъявляемого лица в сочетании с процедурой ускоренного доступа к набору эталонов для людей, подлежащих идентификации, и использованием плавающих порогов принятия решения о сходстве.

Предлагаемый способ может быть использован, например, в системе авторизованного доступа к конфиденциальной информации, хранящейся в памяти вычислительных устройств.

Предложенный способ идентификации иллюстрируется последовательностью операций, приведенных на фиг. 1, где:
1. Операция построения эталонов лиц, подлежащих идентификации.

2. Операция захвата изображения в последовательные моменты времени.

3. Операция преобразования изображения в цифровой электрический сигнал.

4. Запоминание цифрового электрического сигнала в запоминающем устройстве компьютера.

5. Операция выделения в цифровом электрическом сигнале части, относящейся к лицу идентифицируемого человека.

6. Операция выявления характерных признаков лица.

7. Сравнение выявленных признаков лица с признаками эталонов лиц.

8. Принятие решения об идентификации.

9. Выработка управляющего воздействия.

10. Операция реализации управляющего воздействия, заключающаяся в автоматическом доступе к авторизованной области данных, например, средствами операционной системы вычислительного устройства.

11. Принятие решения о дообучении системы, реализующей способ идентификации при превышении упомянутой выше количественной интегральной оценки некоторого априорно заданного порога, соответствующего требуемому квантиль-уровню вероятности на обучение.

12. Операция дообучения.

13. Операция формирования сигнала отказа.

На первой операции реализации способа проводят предварительное построение эталонов лиц, подлежащих идентификации с помощью видеокамеры и вычислительного устройства в процессе слежения за человеком, которого в дальнейшем предстоит идентифицировать, за положением экранного объекта на дисплее. При слежении за экранным объектом лицо упомянутого человека принимает ряд фаз поворота в вертикальной и горизонтальной плоскости, которые фиксируются видеокамерой и преобразуются в цифровую информацию, содержащую характерные признаки лица. В качестве характерных признаков для выделения области лица используют признаки движения лица (смещение, направление и т.п.), находящегося в поле зрения видеокамеры, линейные размеры лица и его отдельных частей и т. п. Из общего объема цифровой информации выделяют части, соответствующие этим признакам, и записывают в память вычислительного устройства, присвоив им статус эталонов с адресами хранения. Таким образом, набор эталонов представляет собой дискретные двумерные информационные поля, содержащие информацию о характерных фазах поворота лица упомянутого человека.

При появлении в поле зрения видеокамеры человека его изображение захватывают в последовательные моменты времени (операция 2). Далее полученную видеоинформацию подвергают преобразованию в цифровой электрический сигнал. Цифровую информацию анализируют с помощью вычислительного устройства и запоминают. На операции 5 выделяют часть информации, относящуюся к области лица.

Выделение производят в соответствии с алгоритмом, приведенным на фиг. 2.

Алгоритм выделения области изображения, относящейся к лицу, включает следующие операции:
14 задержка цифрового сигнала электрического сигнала;
15 выделение контуров объектов анализируемых изображений одним из известных методов, например путем определения первой производной яркости сигнала по координате;
16 получение разностного изображения, соответствующего движущимся контурам, путем поточечного вычитания яркостей точек с одинаковыми координатами;
17 поиск точек, определяющих верхнюю границу области движения, соответствующих верхним точкам границы головы;
18 определение боковых и нижней границ области движения.

Внутри выделенной области производят операцию нормализации фона, заключающуюся в построении первого и второго дополнительных изображений путем усреднения яркостей точек выделенной области, относящейся к лицу человека, с использованием масок с различной линейной размерностью и последующем поточечном вычитании первого дополнительного изображения из второго дополнительного изображения. Получают таким образом нормализованное полутоновое изображение части двумерного информационного поля, относящейся к лицу упомянутого человека. Затем из нормализованного полутонового изображения одним из известных методов бинаризации строят черно-белое изображение этой области, содержащее две градации яркости. После этого проводят фильтрацию шумов на черно-белом изображении, и с использованием, например, антропометрических данных на черно-белом изображении лица выделяют горизонтальную полосу, включающую изображение глаз. Разбивают черно-белое изображение лица с двумя градациями яркости на части, для каждой части определяют меру ее значимости в виде весового коэффициента. На операции 6 выявляются характерные признаки лица, позволяющие, во-первых, найти наиболее близкие к предъявляемому лицу эталоны из наборов, хранящихся в памяти вычислительного устройства и, во-вторых, произвести сравнение признаков предъявленного лица с признаками эталонов. В качестве признаков первого типа используют, например, результаты оценки асимметрии изображения в полосе, содержащей брови и глаза. Результаты оценки в виде численного коэффициента используют в качестве ссылочного значения при поиске эталонов лиц в запоминающем устройстве. В качестве признаков второго типа используют результаты сравнения 7 с эталоном, которое производится с использованием одного из известных критериев, например критерия Фишера, определяющего интегральную оценку сходства предъявленного изображения лица с его эталоном на основе построения функций плотности вероятности путем непосредственной обработки исходной априорной вероятности при условии достижения максимума функцией правдоподобия.

С использованием одного из известных методов (см., например, А.Л. Горелик, Н. Б. Гуревич, В.А. Скрипкин, Современное состояние проблемы распознавания. М.: Радио и связь, 1985, стр. 53-67) производят сравнение этих ранее упомянутых частей лица с соответствующими частями эталонов лиц, найденных в памяти вычислительного устройства, и определяют количественную меру их сходства, на основании полученных в результате этого количественных данных и с учетом динамически настраиваемых порогов принятия решения о сходстве производят интегральную оценку меры сходства лица с каждым из эталонов, выбирают эталон, в сравнении с которым получена наилучшая интегральная оценка сходства. В качестве метода принятия решения можно использовать критерий Неймана-Пирсона, согласно которому максимизируется вероятность правильной идентификации предъявляемого лица человека при заданной вероятности ошибок второго рода [2].

Решение об идентификации (операция 8) принимается, если полученная количественно интегральная оценка превышает порог, соответствующий некоторому квантиль-уровню вероятности.

Для повышения надежности распознавать в предлагаемом способе предусмотрена операция дообучения 12. На основании одного из известных критериев в соответствии с этим принимают решение 11 о включении дополнительных эталонов в набор эталонов, принадлежащих идентифицированному лицу. При этом производят запись в память вычислительного устройства эталонов, полученных из дополнительных изображений уже идентифицированного лица, сделанных в процессе идентификации и в последующие моменты времени.

Предлагаемый способ может найти широкое применение в системах авторизованного доступа.

Способ может быть применен в системах доступа к закрытым источникам информации, охранных системах, в системах мониторинга в общественных местах, например, для поиска лиц, находящихся в розыске.

Изобретение относится к системам авторизованного доступа. Его использование позволяет повысить надежность и скорость распознавания. Способ основан на анализе структуры лица человека и включает в себя операцию обучения системы с предварительным построением набора эталонов лиц идентифицируемых людей, отражающих различные фазы этих лиц, выявлением характерных признаков и записью их в память, операцию распознавания с получением с помощью оптического датчика в реальном времени видеоизображения с лицом идентифицируемого человека, анализом видеоизображения для выделения лица человека и выявления его характерных признаков, сравнением этих признаков с признаками эталонов, и операцию дообучения системы авторизованного доступа. Технический результат достигается благодаря тому, что набор эталонов строят в процессе совершения определенных движений головой идентифицируемого человека в виде двумерных информационных полей, нормализуют фон внутри выделенной в информационном поле области, относящейся к лицу идентифицируемого человека, формируют черно-белое изображение этого лица и выделяют на нем горизонтальную полосу, включающую изображение глаз, и по ее асимметрии оценивают фазу лица, результат этой оценки используют для поиска эталонов лиц с фазами, близкими к оцененной, сравнивают по частям изображение с выбранными эталонами, принимают решение о сходстве и решение о включении дополнительных эталонов в набор эталонов для дообучения системы. 2 ил.

Способ идентификации человека в системах авторизованного доступа на основе анализа структуры его лица, включающий операцию обучения системы с предварительным построением набора эталонов лиц людей, подлежащих идентификации, отражающих различные фазы лиц, выявлением характерных признаков из эталонов и записью их в память вычислительного устройства, операцию распознавания с получением с помощью оптического датчика в реальном масштабе времени в формате входного устройства компьютера видеоизображения, содержащего, по крайней мере, одно лицо человека, подлежащее идентификации, анализом видеоизображения с помощью вычислительного устройства для выделения лица человека и выявления характерных признаков предъявленного лица, сравнением этих признаков с признаками эталонов, хранящихся в памяти вычислительного устройства, для формирования решения о идентификации и дообучении системы, и операцию дообучения системы авторизованного доступа, отличающийся тем, что набор эталонов строят с использованием оптического датчика в процессе совершения определенных движений головой человека, подлежащего идентификации, таким образом, что набор эталонов представляет собой дискретные двумерные информационные поля, содержащие информацию о характерных фазах поворота лица упомянутого человека, из этой информации выделяют часть в виде области информационного поля, относящуюся к лицу упомянутого человека, внутри выделенной области производят операцию нормализации фона, заключающуюся в построении первого и второго дополнительных изображений путем усреднения яркостей точек выделенной области, относящейся к лицу человека, с использованием масок с различной линейной размерностью и последующем поточечном вычитании первого дополнительного изображения из второго дополнительного изображения с получением таким образом полутонового изображения части двумерного информационного поля, относящейся к лицу упомянутого человека, строят черно-белое изображение этой области, содержащее две градации яркости, после этого проводят фильтрацию шумов на черно-белом нормализованном изображении, с использованием антропометрических данных на черно-белом изображении лица выделяют горизонтальную полосу, включающую изображение глаз, оценивают фазу движения лица путем анализа асимметрии изображения внутри выделенной полосы, результаты оценки используют в качестве ключевой информации для поиска в памяти вычислительного устройства эталонов лиц с фазами, близкими к оцененной фазе, разбивают черно-белое изображение с двумя градациями яркости на части, производят сравнение этих частей с соответствующими частями эталонов лиц, найденных в памяти вычислительного устройства, и определяют количественную меру их сходства, на основании полученных в результате этого количественных данных и с учетом динамически настраиваемых порогов принятия решения о сходстве производят интегральную оценку меры сходства лица с каждым из эталонов, выбирают эталон, в сравнении с которым получена наилучшая интегральная оценка сходства, принимают решение о включении дополнительных эталонов в набор эталонов, принадлежащих идентифицированному лицу, для дообучения системы, при этом производят запись в память вычислительного устройства эталонов, полученных из дополнительных изображений уже идентифицированного лица, сделанных в процессе идентификации и в последующие моменты времени.