СПОСОБ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ЧЕЛОВЕКА ПО ЦИФРОВОМУ ИЗОБРАЖЕНИЮ ЛИЦА Российский патент 2011 года по МПК G06K9/00 

Способ идентификации личности человека по цифровому изображению лица относится к автоматике и вычислительной технике и может быть использован в системах искусственного интеллекта: системах контроля доступа, робототехнических системах, взаимодействующих с человеком-оператором в условиях производства и других системах.

Известен способ идентификации личности человека по цифровому изображению лица по патенту РФ №9912798, «Способ идентификации человека по геометрическим параметрам поверхности его лица», кл. G06K 9/00 от 27.09.2001. Известный способ включает следующую последовательность действий. Освещают лицо человека, вводят его изображение, источники дополнительной подсветки поочередно и синхронно включают (выключают), снимают дополнительные изображения лица, выделяют тени на поверхности лица, образованные каждым из дополнительных источников света, сравнивают изображение с эталоном.

Недостатком данного способа является низкая точность распознавания изображений в условиях одинарных изображений и низкая оперативность в связи с требованиями поочередного освещения лица и снятия изображения.

Известен способ идентификации личности человека по цифровому изображению лица по патенту РФ №2304307, «Способ идентификации человека по изображению его лица», кл. G06K 9/80, заявл. 29.03.2006. Известный способ включает следующую последовательность действий. Получают изображение лица, выделяют на ней область лица, извлекают индивидуальные признаки этой области, формируют уникальный вектор признаков, отмечают данный вектор на многомерном индексном пространстве, строят дерево гиперплоскостей, архивируют изображение лица, вместе с индексным пространством, осуществляют первичный поиск с нахождением ближайшего вектора на индексном пространстве, затем осуществляют вторичный поиск путем сравнения дополнительных признаков.

Недостатком данного способа является низкая точность распознавания изображений в связи с отсутствием нормализации и очищения от шумов изображения и низкая оперативность в связи с необходимостью проводить архивирование исходного изображения.

Наиболее близким по своей технической сущности к заявленному является способ распознавания лица человека по видеоизображению по патенту РФ №2295152, кл. G06K 9/00, заявл. 15.09.2005. Способ заключающийся в том, что производят поиск лица человека в кадре, масштабируют выделенное изображение до заданного размера, выравнивают яркость и цветность изображения, формируют вектор входного изображения (Р1), загружают из базы данных изображения для сравнения (Р2), разбивают изображения на блоки (8х8), осуществляют первичный поиск по совпадению этих блоков, осуществляют вторичный поиск, на основе чего принимают решение о соответствии.

По сравнению с аналогами способ-прототип может быть использован в более широкой области, когда берется не статичное изображение, а видеопоток и позволяет более точно распознавать за счет масштабирования и выравнивания яркости и цветности изображения.

Недостатком этого способа является недостаточно высокая точность распознавания из-за отсутствия очистки изображения от шумов, низкая скорость работы в связи с требованием постоянно загружать сравниваемые изображения из базы данных.

Техническим результатом, на которое направлено изобретение, является повышение точности распознавания изображения лица человека за счет применения фильтрации от шумов, масштабирования и нормализации исходного изображения, разбиения на связные элементы лица и повышение оперативности за счет снижения размерности поиска путем применением интегрального индекса.

Указанный результат достигается за счет того, что выравнивают яркость и цветность, затем формируется вектор входного изображения путем фильтрации и приведения к бинарному виду, после чего масштабируют изображение до заданного размера на основе экстремумов интегральных проекций, после чего разбивают изображение по связности элементов, формируют интегральный индекс на основе векторов геометрических характеристик, осуществляют первичный поиск (путем выделения в индексном пространстве тех точек, расстояние которых от точки запросного индекса не превышает заранее заданной величины), осуществляют вторичный поиск путем сравнения векторов геометрических характеристик лица, после чего принимается решение о соответствии.

Сущность изобретения поясняется чертежами, на которых показаны:

фиг.1 - алгоритм способа идентификации личности человека по цифровому изображению лица.

Алгоритм способа идентификации личности человека по цифровому изображению лица

Блок №1 - загрузка изображения. Производится посредством устройства считывания цифровой информации (фотоаппарат, сканер, видеокамера (считывание происходит покадрово)) с объекта;

Блок №2 - ищутся минимальная и максимальная яркость, на их основании выравнивается яркость по всему спектру. Аналогично выравнивается по каждому цвету;

Блок №3 - применяется оператор Собеля. Создается тоновая (255 цветов) матрица, как

где (I_R)_i,j, (I_G)_i,j, (I_B)_i,j - значения интенсивности цвета (соответственно красный, зеленый, голубой) в точке с координатами

x=i, y=j i=1…H, y=1…W.

Применяются два фильтра (S_ν, S_h), которые позволяют очистить изображение от шумов

где E_i,j - значение интенсивности в точке с координатами

x=i, y=j i=1…H, y=1…W;

Н, W - значения ширины и высоты изображения соответственно;

(S_ν)_i,j - значение применения фильтра устранения вертикальных шумов;

(S_h)_i,j - значение применения фильтра устранения горизонтальных шумов.

Затем вычисляется свертка применения данных фильтров

На выходе получаем новую матрицу изображения (I).

(См. М.В.Бочков, А.В.Черепанов. Алгоритм параметризации цифрового изображения лица. // Труды «I Всероссийской научно-технической конференции «Современные информационные технологии в деятельности органов государственной власти». Курск, КГТУ, 2008.)

Блок №4 - применяется метод Отсу. Метод заключается в бинаризации изображения, по заданному граничному параметру

где - значение интенсивности в точке с координатами

x=i, y=j i=1…H, j=1…W.

Граница бинаризации T^opt вычисляется на основании интегральной освещенности изображения. Интегральная освещенность

вычисляется как сумма интенсивностей всех пикселей изображения, нормированная на их количество

T^opt=0.5*IO.

Блок №5 - поиск интегральных проекций. Нахождение интегральных проекций по каждой из осей производится по следующим выражениям:

где I (x,y) - значение интенсивности изображения в точке с координатами х, у;

x1, x2 - крайние значения координат изображения по ширине;

y1, y2 - крайние значения координат изображения по высоте;

Н(у) - массив значений горизонтальных проекций по высоте;

V(x) - массив значений вертикальной проекции по ширине.

Блок №6 - масштабирование по всплескам интегральных проекций на ось ОХ и априорной информации о средней ширине лица. Значение пропорционального коэффициента масштабирования (K_M) изображения масштаба вычисляется как

где H_a - значение априорного значения ширины лица, должно применяться одно значение для всех изображений (например 40),

max₁(V(х)), max₂(V(х))- первые два максимума в V(x) и по ним определяется пропорциональный показатель масштабирования изображения.

Блок №7 - разбивают изображение. Сегментация изображения является алгоритмически сложной процедурой. Применяется подход к сегментации по связности элементов, согласно которому единичные значения бинарной матрицы изображения объединяются в один класс, если они связаны между собой (рассматриваются по квадрату, с шириной 3). На выходе данной процедуры у нас имеется кортеж объектов, то есть полученный массив матриц связности, которые фактически являются элементами лица.

Блок №8 - вычисляется вектор геометрических характеристик. Из полученных матриц связности извлекаются значения координат крайних точек и рассчитываются геометрические расстояния между ними, площади. На основании координат крайних точек объектов получаются геометрические характеристики лица. Выходной вектор параметров (M_i) является итогом извлечения.

Блок №9 - формируется интегральный индекс. Данный индекс формируется на основании вектор значений в зависимости от выбранной метрики (Евклидова, Городская и др.). Используя Евклидову метрику, интегральный индекс (Fc_i) вычисляется:

где M_i,j - значение j геометрической характеристики i объекта.

Блок №10 - осуществление первичного поиска. Ищутся значения в базе данных с разницей с интегральным индексом, не превышающим заданного порога. То есть те значения, которые удовлетворяют неравенству:

где Т_пор - пороговое значение допускаемой первичной ошибки, по умолчанию оно равно 100.

Блок №11 - осуществление вторичного поиска, принятие решения о соответствии. Из найденных в блоке №10 значений ищутся те, которые обладают наиболее близким вектором геометрических характеристик, и решение выдается на монитор оператору, который осуществляет распознавание лица с какой-либо целью (допуск человека на объект).

Известно, что для решения прикладных задач, таких как идентификация личности по базе данных, ограничение доступа по изображению, необходимо с высокой точностью и оперативностью идентифицировать человека по цифровому изображению его лица. Существующие технические решения не позволяют достичь необходимую точность и оперативность.

Поиск эффективных технических решений позволяет повысить точность идентификации личности человека по изображению его лица за счет применения нормализации, введение очистки изображения от шумов, применение оператора Собеля, разбиение изображения на элементы лица. Достижение оперативности достигается применением первичного поиска по интегральному индексу, описанному в блоке 9.

Заявленный способ реализуют следующим образом.

Оператор при помощи устройства ввода изображения (фотоаппарат, сканер, видеокамера) загружает изображение. После чего производится нормализация изображение и поиск интегральных проекций, которые являются базой, для последующего масштабирования. На фигуре 3 представлены изображение (слева) и нормализованное монохромное изображение после применения оператора Собеля и метода Отсу.

Масштабируется на основании следующего коэффициента:

Затем производится разбиение по связности на элементы лица. Первые 4 объекта выделенные процедурой разбиения представлены на фигуре 4.

По найденным элементам находится вектор геометрических характеристик лица (М₁=(10,30,15,15,8,30,12)), на основании которого находится интегральный индекс

путем сравнения которого производится первичный поиск. Извлечем значение из базы данных:

Найденное решение уточняем вторичным поиском М_{эталнное}=(8,31,16,14,9,28,13), т.к. , M_i,j:

Принимаем данные изображения как равные, то есть мы идентифицировали человека.

Предлагаемое решение реализовано в аппаратном комплексе идентификации личности человека по цифровому изображению лица, структура которого представлена на фиг.2.

Таким образом, предложенный способ идентификации личности по цифровому изображению лица обеспечивает устойчивое формирование вектора признаков цифрового изображения лица в условиях естественной зашумленности изображения и разных ракурсов, что позволяет идентифицировать личность с требуемым уровнем точности и оперативности.

Изобретение относится к автоматике и вычислительной технике и может быть использовано в системах искусственного интеллекта: системах контроля доступа, робототехнических системах, взаимодействующих с человеком-оператором в условиях производства и других системах. Техническим результатом является повышение точности и оперативности распознавания изображения лица человека. Способ идентификации личности человека по цифровому изображению лица содержит этапы поиска лица человека в кадре, масштабирования выделенного изображения до заданного размера, выравнивания яркости и цветности изображения, формирования вектора входного изображения (Р1), загрузки из базы данных изображения для сравнения (Р2), разбиения изображения на блоки и осуществления первичного поиска по совпадению этих блоков, осуществления вторичного поиска, на основе чего принимают решение о соответствии, причем после загрузки изображения производится выравнивание яркости и цветности, затем формируется вектор входного изображения, после чего масштабируют изображение до заданного размера, после чего разбивают изображение по связности элементов, формируют интегральный индекс, осуществляют первичный и вторичный поиски, после чего принимается решение о соответствии. 4 ил.

Способ идентификации личности человека по цифровому изображению лица, заключающийся в том, что производят поиск лица человека в кадре, масштабируют выделенное изображение до заданного размера, выравнивают яркость и цветность изображения, формируют вектор входного изображения (Р1), загружают из базы данных изображения для сравнения (Р2), изображение разбивают на блоки и осуществляют первичный поиск по совпадению этих блоков, осуществляют вторичный поиск, на основе чего принимают решение о соответствии, отличающийся тем, что после загрузки изображения производится выравнивание яркости и цветности, затем формируется вектор входного изображения путем фильтрации и приведения к бинарному виду, после чего масштабируют изображение до заданного размера на основе экстремумов интегральных проекций, после чего разбивают изображение по связности элементов, формируют интегральный индекс на основе векторов геометрических характеристик, осуществляют первичный поиск (путем выделения в индексном пространстве тех точек, расстояние которых от точки запросного индекса не превышает заранее заданной величины), осуществляют вторичный поиск путем сравнения векторов геометрических характеристик лица, после чего принимается решение о соответствии.