СПОСОБ СРАВНЕНИЯ ЛИЦА ЧЕЛОВЕКА С ПОМОЩЬЮ ЦИФРОВОГО ДВУМЕРНОГО ИЗОБРАЖЕНИЯ ЛИЦА ЛИБО С ПОМОЩЬЮ ИЗОБРАЖЕНИЯ ЛИЦА ОТ ОДНОЙ ИЛИ НЕСКОЛЬКИХ СТЕРЕОКАМЕР С ДВУМЕРНЫМ ИЗОБРАЖЕНИЕМ ЛИЦА ИЗ БАЗЫ ДАННЫХ Российский патент 2016 года по МПК G06K9/62 

ОБЛАСТЬ ТЕХНИКИ

Изобретение относится к области распознавания образов, а именно к способам сравнения лица человека с двумерным изображением лица из базы банных.

УРОВЕНЬ ТЕХНИКИ

Исходное изображение лица человека может быть получено известными различными способами, например с помощью фотоаппарата либо видеокамеры, либо посредством оцифровки фотографии на бумаге или фотопленке, либо из любых других источников, например из архива хранения двумерных изображений лиц или интернета.

Кроме указанных способов получения двумерного изображения лица с развитием компьютерных технологий и систем компьютерного зрения изображение лица человека может быть получено с помощью нескольких камер, образующих одну или несколько стереокамер. В этом случае первоначально получают трехмерное изображение лица человека, которое затем выравнивают к заданному ракурсу и получают проекцию трехмерного изображения на двумерную плоскость, которую затем сравнивают с изображением лица из базы данных. Такой способ получения двумерного изображения лица используется, например, в системе распознавания лиц Vocord FaceControl 3D, более подробно описанной на сайте компании (см. www.vocord.ru). Преимуществом такого способа получения изображения лица является то, что человек может быть повернут к камере под произвольным ракурсом в некотором допустимом диапазоне углов поворота головы, а изображение под требуемым ракурсом получают посредством обработки трехмерной модели. Известно, что на точность сравнения изображений лиц влияет ракурс изображений, поэтому такой способ позволяет с высокой эффективностью сравнивать и распознавать лица с лицами в базе данных, повернутыми к заданному ракурсу, в так называемом некооперативном режиме сравнения, т.е. в режиме, когда человек не обязательно смотрит в камеру под заданным ракурсом. Получаемое таким способом двумерное изображение лица будем называть в дальнейшем синтетическим двумерным изображением лица. Таким образом, в системе распознавания лиц сравнивают как обычные двумерные изображения лиц, так и синтетические изображения лиц, с некоторым изображением лица, хранящимся в базе данных.

После того как двумерное изображение лица (обычное либо синтетическое) получено, его сравнивают с изображением лица из базы данных с помощью автоматического алгоритма сравнения.

Известно, что в настоящее время существующие алгоритмы сравнений лиц не обладают 100% точностью сравнения. Последнее означает, что на множестве различных лиц сравнение автоматическим алгоритмом сравнения может дать как правильные результаты, так и ошибочные. В биометрическом сообществе проводят регулярно тесты и соревнования различных алгоритмов сравнения лиц, для различных условий (см., например, http://www.nist.gov/itl/iad/ig/face.cfm).

Эффективность алгоритмов сравнения принято характеризовать статистическими параметрами, среди которых используют ошибку ложноположительного сравнения (в англоязычной литературе FAR, т.е. «False Acceptance Rate») и ошибку ложноотрицательного сравнения (в англоязычной литературе FRR, т.е. "False Rejection Rate"). Данные величины вычисляются по следующим формулам:

FAR=FP/(FP+TN)

FRR=FN/(FN+TP)

В этих выражениях фигурируют следующие величины:

TN («True Negative», истинно отрицательные) - число сравнений, на которых изображены различные люди и которые были правильно распознаны как различные люди,

FN («False Negative», ложноотрицательные) - число сравнений, на которых изображены одинаковые люди, но которые были ошибочно распознаны как различные люди,

TP («True Positive», истинно положительные) - число сравнений, на которых изображены одинаковые люди и которые были правильно распознаны как одинаковые люди,

FP («False Positive», ложноположительные) - число сравнений, на которых изображены различные люди, но которые были ошибочно распознаны как одинаковые люди,

Работа алгоритма сравнения тем лучше, чем меньше значения FAR и FRR одновременно.

На практике, у существующих алгоритмов сравнения величина FRR растет с уменьшением FAR, и наоборот. Связано это с тем, что в алгоритме сравнения используют пороговую величину, называемую далее степенью схожести двух изображений. Степень схожести обычно возрастает для изображений одинаковых людей и уменьшается для изображений различных людей. Если степень схожести больше порога, то принимают, что на сравниваемых изображениях лица изображен один и тот же человек, и наоборот. Чем выше порог, тем меньше случаев, в которых разные лица будут приняты за одинаковые, но тем больше случаев, в которых одинаковые лица, снятые в разных условиях (например, с разным освещением, расхождением в возрасте или различными мимическими искажениями на лице), имеют степень схожести меньше порога. Таким образом, FAR уменьшается с ростом порога, a FRR - увеличивается.

Первым примером указанного способа сравнения лиц, в котором по двум изображениям лиц вычисляют степень схожести, которую потом сравнивают с порогом, является алгоритм сравнения, описанный в работе авторов С. Liu and Н. Wechsler, "A Gabor Feature Classifier for Face Recognition", Proceedings of the IEEE International Conference on Computer Vision, vol. 2, pp. 270-275, ICCV, Vancouver, Canada, July 9-12, 2001. В этой работе с помощью фильтров Габора вначале вычисляют векторы признаков для каждого из сравниваемых изображений лица и потом вычисляют степень различия между векторами признаков, за которую принимают либо норму L1 разности модулей компонент векторов признаков, либо норму L2 суммы квадратов разности компонент векторов, либо норму Махаланобиса, либо косинус угла между векторами. Степень схожести изображений в данном случае вычисляется через степень различия векторов признаков (чем меньше степень различия, тем больше степень схожести).

Вторым примером способа сравнения лиц, в котором по двум изображениям лиц вычисляют степень схожести, которую потом сравнивают с порогом, является алгоритм сравнения, основанный на методе локальных бинарных шаблонов для построения векторов признаков, описанный в работе авторов Di Huang,, Caifeng Shan, Mohsen Ardabilian, Yunhong Wang, Liming Chen «Local Binary Patterns and Its Application to Facial Image Analysis: A Survey» IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS-PART C: APPLICATIONS AND REVIEWS, VOL. 41, NO. 6, NOVEMBER 2011, p. 765. Локальные бинарные шаблоны для различных участков изображения лица формируют компоненты вектора признаков. Векторы признаков сравнивают, подсчитывая число совпадающих бит (0 или 1) в бинарных шаблонах, соответствующих различным участкам лица. Чем больше общее число совпадающих бит, тем более похожи изображения друг на друга и больше степень их схожести.

Третьим примером способа сравнения лиц, в котором по двум изображением лиц вычисляют степень схожести, которую потом сравнивают с порогом, является алгоритм сравнения, основанный на методе собственных векторов для изображений лиц (M. Turk, A. Pentland. "Eigenfaces for Recognition" Journal of Cognitive Neuroscience, Vol. 3, number 1, 1991< Massachusetts Institute of Technology). В этом методе изображение лица рассматривают как вектор, который раскладывают в линейную комбинацию собственных векторов ковариационной матрицы корреляций для тестового набора лиц. Коэффициенты разложения лица на собственные векторы принимают за вектор признаков лица, впоследствии векторы признаков сравнивают друг с другом с помощью заданной нормы сравнения, которую далее сравнивают с пороговым значением. В одной из вариаций способа (в так называемом методе главных компонент, в англоязычной литературе - РСА, «Principal Component Analysis») выбирают только те собственные векторы и их коэффициенты разложения, которые отвечают наибольшим собственным значениям векторов, что соответствует направлениям наибольших изменений в пространстве векторов лиц, собственные векторы с малыми собственными значениями отбрасывают.

Существует также способ сравнения лиц, в котором локальные признаки сравнения двух лиц, вычисляемые на локальных участках изображения лица, формируются в степень схожести с разными весами. Веса, входящие в конечную степень схожести, определяются с помощью алгоритма машинного обучения. Такой способ более эффективен для распознавания и уменьшает значения FAR и FRR, он реализован в виде алгоритма AdaBoost в популярной библиотеке компьютерного зрения OpenCV. Следует отметить, что в общем случае степень схожести на выходе алгоритма является действительным числом и может принимать также отрицательные значения. Тем не менее большим значениям степени схожести соответствуют одинаковые лица, а меньшим значениям - разные лица.

Указанные выше способы сравнения лиц, в которых по изображениям лиц вычисляют степень схожести, которую потом сравнивают с пороговым значением, являются прототипами заявленного изобретения.

В указанных способах сравнения, которые составляют прототип, степень схожести может зависеть от многих параметров, которые характеризуют исходное изображение лица. В этих способах в качестве исходных признаков, по которым вычисляется степень схожести, используется значения уровней сигнала в пикселах изображения, на значения которых влияют многие параметры. К ним относятся: шум на изображении, резкость, характер освещения лица, ракурс изображения, расстояние до лица, от которого зависит размер изображения лица в кадре, мимические искажения лица, элементы одежды и другие. Разные камеры имеют различающиеся шумовые характеристики, поэтому получаемые изображения приводят к различным значениям FAR, получаемые алгоритмы сравнения будут различны.

Недостатком прототипа является зависимость параметров FAR и FRR от качества исходного изображения, что сильно затрудняет процесс правильного определения схожих изображений и тем самым снижает точность результатов поиска аналогичных изображений.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

Задачей заявленного изобретения является создание способа сравнения лица человека по базе данных двумерных изображений, при котором будет снижаться вероятность ошибки сравнения изображений.

Техническим результатом заявленного изобретения является повышение точности определения сравниваемых изображений за счет уменьшения количества ложных распознаваний.

Заявленный технический результат достигается за счет способа сравнения лица человека с помощью цифрового двумерного изображения лица либо с помощью изображения лица, полученного от одной или нескольких стереокамер, с двумерным изображением лица из базы данных, содержащего этапы, на которых:

- определяют двумерное исходное изображение лица человека, для которого необходимо провести сравнение;

- осуществляют сравнение упомянутого двумерного изображения лица человека с двумерным изображением из основной базы данных;

- определяют степень схожести Q между исходным изображением и изображением в основной базе данных;

- выполняют сравнение исходного двумерного изображения лица человека с множеством двумерных изображений, хранящихся в дополнительной базе данных изображений;

- для каждого изображения лица из дополнительной базы данных изображений определяют степень схожести Q(i) с указанным выше исходным двумерным изображением лица человека, где i - номер изображения из базы дополнительных изображений;

- для исходного изображения определяют пороговое значение Т на основании вычисленных значений степени схожести изображений Q(i);

- и на основании полученных значений степени схожести Q и порогового значения Т уведомляют о том, что лицо на исходном изображении и лицо на изображении из основной базы данных либо принадлежат, либо не принадлежат одному человеку.

В частном варианте осуществления изобретения цифровое двумерное изображение получают с помощью съемки фотоаппаратом, или видеокамерой, или посредством оцифровки фотографии на бумаге, или фотопленке, или из внешнего хранилища изображений.

В частном варианте осуществления изобретения внешнее хранилище данных представляет собой ресурс в сети Интернет.

В частном варианте осуществления изобретения дополнительно вычисляют гистограмму значений степени схожести Q(i) и по указанной гистограмме определяют пороговое значение Т.

В частном варианте осуществления изобретения дополнительно определяют ракурс области лица человека на исходном двумерном изображении.

В частном варианте осуществления изобретения дополнительно выполняют коррекцию ракурса области лица человека на изображении.

В частном варианте осуществления изобретения на этапе коррекции ракурса выполняют построение промежуточного трехмерного изображения лица человека по исходному изображению и осуществляют изменение ракурса трехмерного изображения в трехмерном пространстве для получения конечного трехмерного изображения лица человека.

В частном варианте осуществления изобретения строят синтетическое двумерное изображение по упомянутому конечному трехмерному изображению лица человека.

В частном варианте осуществления изобретения упомянутое синтетическое двумерное изображение используют для сравнения с изображениями в дополнительной базе данных.

В частном варианте осуществления изобретения упомянутое синтетическое изображение имеет ракурс, совпадающий с ракурсом двумерного изображения из базы данных, с которым требуется сравнить лицо человека.

В частном варианте осуществления изобретения скорректированный ракурс является фронтальным ракурсом.

В частном варианте осуществления изобретения этапы сравнения изображений по основной и дополнительной базе данных происходят параллельно.

В частном варианте осуществления изобретения дополнительно определяют значение FAR.

В частном варианте осуществления изобретения упомянутое значение FAR определяется из соотношения FAR=FP/N, где N - размер основной базы данных, FP - допустимое количество ложных положительных определений.

В частном варианте осуществления изобретения FP является константой.

В частном варианте осуществления изобретения значение FAR является константой.

В частном варианте осуществления изобретения дополнительно пороговое значение Т определяется в зависимости от значения FAR.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

На Фиг. 1 представлена гистограмма распределения попарных сравнений между изображениями тестовой базы лиц алгоритмом аналога, основанным на Adaboost + LBP, в зависимости от порога сравнения.

На Фиг. 2 представлено первое тестовое изображение, которое не содержится в базе данных.

На Фиг. 3 представлена гистограмма распределения сравнений между изображением лица на Фиг. 2 с изображениями из тестовой базы лиц алгоритмом аналога, основанным на Adaboost + LBP, в зависимости от порога сравнения.

На Фиг. 4 представлено второе тестовое изображение.

На Фиг. 5 представлена гистограмма распределения сравнений между изображением лица на Фиг. 2 и Фиг. 4 с изображениями из тестовой базы лиц алгоритмом аналога, основанным на Adaboost + LBP, в зависимости от порога сравнения.

На Фиг. 6 представлены основные этапы заявленного способа.

На Фиг. 7 представлен примерный вариант системы сравнения лиц в соответствии с заявленным способом.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

На Фиг. 1 показана гистограмма распределения попарных сравнений между изображениями тестовой базы лиц алгоритмом аналога, основанным на Adaboost + LBP, накопленных в компании Вокорд, в зависимости от порога сравнения.

На Фиг. 2 представлено первое тестовое изображение, которое не содержится в базе данных.

На Фиг. 3 показана гистограмма распределения сравнений между первым изображением лица на Фиг. 2 с изображениями из тестовой базы лиц алгоритмом, основанным на Adaboost + LBP, в зависимости от порога сравнения.

Как следует из Фиг. 1 и Фиг. 3, гистограмма изображения на Фиг. 3 имеет разную дисперсию и разное среднее значение. Следовательно, если выбрать и зафиксировать порог для сравнения из гистограммы на Фиг. 1, задающий некоторое значение FAR, этот порог на гистограмме Фиг. 3 приведет к существенно отличающемуся FAR.

На Фиг. 4 показано второе тестовое изображение, а на Фиг. 5 - гистограмма распределения сравнений между первым и вторым изображением лиц с изображениями из тестовой базы лиц, тем же алгоритмом, что представлен на Фиг. 1 и Фиг. 3.

Сравнение Фиг. 1 и Фиг. 3 показывает, что гистограммы существенно отличаются, как минимум по среднему значению. Это означает, что для первого и второго изображений при равном пороге сравнения будут получены различающиеся значения FAR при сравнении с указанной тестовой базой изображений.

В качестве сценария использования, в котором существенен указанный недостаток прототипа, можно привести следующий пример.

Примером использования способа сравнения двумерных изображений лиц, в котором по изображением лиц вычисляют степень схожести, которую потом сравнивают с порогом, является так называемый «профайлинг» людей на транспортных узлах, например в метрополитене. В системе профайлинга устанавливают видеокамеру в местах прохода пассажиров (например, на входе в метро), получают изображения лиц, которые впоследствии сравнивают с изображениями лиц из базы данных. Задачей профайлинга является выявление подозрительных людей по оценке их движения внутри транспортной системы города. Для этого определяют факт пересечения зон контроля для заданного человека, сравнивают его изображение лица на разных узлах контроля, например на разных станциях метро. Оценивают также и время прохода человека. Указанная задача тестировалась с помощью системы распознавания лиц компании Vocord в метрополитене г. Москвы. Для решения указанной задачи группируют изображения лиц людей, зафиксированные в разных точках контроля в одну группу, считая, что все лица внутри группы принадлежат одному и тому же человеку. Для этого изображения лиц сравнивают между собой с достаточно высоким порогом. Тем не менее, поскольку алгоритм сравнения имеет малые, но конечные ошибки, существует отличная от нуля вероятность того, что в группу кроме одного человека попадет изображение другого человека. Если впоследствии изображение этого другого человека будет сравниваться с новыми изображениями лиц, поступающими от камер, установленных в точках контроля, то существует конечная вероятность, что это изображение привнесет в группу третье неправильное изображение и т.д., то есть при низком пороге сравнения при достаточно большом числе изображений в группе может оказаться несколько различных людей. Такая ситуация впоследствии значительно уменьшает эффективность профайлинга. Поэтому в указанной системе желательно заранее знать, с какой среднестатистической ошибкой FAR производится добавление изображений в одну группу.

Последнее обстоятельство крайне ограничивает эффективность профайлинга: если значения FAR при сравнении лиц меняются от точки контроля к точке контроля и неизвестно, то затрудняется оценка размера группы и порог, с которыми допустимо собирать группы, относящиеся к заданному человеку.

Как следует из приведенного примера использования и раскрытия прототипа, представляет интерес способ сравнения лиц, в котором можно получить относительно достоверную оценку для значений FAR, которые получают при сравнении лиц для существующих условий работы системы.

Для устранения указанного недостатка прототипа в предлагаемом способе предлагается использовать дополнительную базу данных изображений, с помощью которой задают порог сравнения для заданного изображения лица.

На Фиг. 6 и Фиг. 7 изображены этапы заявленного способа (100) сравнения лица человека с помощью цифрового двумерного изображения лица либо с помощью изображения лица от одной или нескольких стереокамер, с двумерным изображением лица из базы данных, а также система, включающая основные функциональные элементы для осуществления заявленного способа.

На этапе (110) определяют исходное двумерное изображение лица человека (300), для которого необходимо провести сравнение. Упомянутое изображение (300) может быть получено как с помощью устройств фиксации изображений (240), например фотокамера, видеокамера, стереокамера и т.п., так и быть уже заранее сформированным цифровым двумерным изображением (250).

Из существующего уровня техники широко известны способы получения цифровых данных, например оцифровка фотографии на бумаге, или фотопленке. Так же исходное цифровое изображение (250) лица человека может быть стандартным графическим файлом, полученным из внешнего хранилища данных, например, расположенного в сети Интернет (Интернет-ресурс) или в локальной сети.

На этапе (120) выполняют сравнение исходного двумерного изображения (300) с основной базой данных (260), в которой содержатся двумерные изображения лиц людей. Упомянутая основная база данных (260) может располагаться, например, на ЭВМ (устройство (200)), расположенном на стационарном пункте контроля, и содержать информацию о личностях, которым разрешен доступ в определенную зону. При сравнении на этапе (120) осуществляется выбор одного изображения из основной базы данных (260), с которым исходное двумерное изображение имеет большую степень схожести Q, которую определяют на этапе (130).

На этапе (140) упомянутое исходное изображение лица человека (300), для которого необходимо провести сравнение, дополнительно сравнивают с некоторым набором двумерных изображений, представляющих собой дополнительную базу изображений (270). В качестве дополнительной базы (270) данных может выступать практически любой набор изображений лиц, с известной априорной принадлежностью, т.е. заранее может быть известно, какие изображения принадлежат одному и тому же лицу, а какие - нет. Дополнительная база изображений (270) является внешней базой данных и может располагаться, например, в сети интернет, на внешнем машиночитаемом носителе, в локальной сети, в сети Интранет и т.п. Основная база данных (260) и дополнительная база изображений (270) могут являться динамическими базами данных.

В упомянутой дополнительной базе данных (270) может заранее содержаться изображение лица человека, для которого происходит сравнение или изображение упомянутого лица может отсутствовать.

Далее на этапе (150) для каждого изображения из дополнительной базы данных (270) с помощью алгоритма автоматического сравнения вычисляют степень схожести Q(i) с указанным выше исходным изображением лица человека (300). Затем на этапе (160) на основе полученного массива степеней схожести определяют пороговое значение Т сравнения исходного изображения лица (300). В качестве порога выбирается:

,

где N - размер дополнительной базы данных, far - желаемая ошибка FAR, - размер множества.

При принятии решения на этапе (170), совпадает ли лицо на исходном изображении (300) и лицо из основной базы данных (260), в качестве критерия принимают сравнение с вычисленным порогом Т - если значение Q оказывается больше Т, то принимают лица одинаковыми, в противном случае - разными. Процесс сравнения исходного изображения (300) с изображениями из дополнительной (270) и основной (260) баз данных может проходить как последовательно, так и параллельно, т.к. при вычислении степени схожести сравнения изображений использование известного значения порога Т необязательно.

Желаемая ошибка FAR может быть как фиксированной, так и вычисляться исходя из желаемой абсолютной ошибки. Так если при работе системы допустимо абсолютное количество ложных положительных сравнений FP, то желаемая ошибка FAR вычисляется из формулы FAR=FP/N, где N - размер основной базы данных, a FP - допустимое количество ложных положительных определений. В частном случае значение FAR может являться константой.

В случае, если в дополнительной базе данных (270) находится лицо человека, изображение которого мы сравниваем, в формулу вносится незначительное изменение:

,

где N1 - количество изображений данного человека в дополнительной базе данных (270).

В частном варианте осуществления заявленного способа вместо степени схожести Q может использоваться степень различия Q′. В этом случае формулы расчета имеют следующий вид:

В этом случае решение о наличии схожих изображений лица человека принимается исходя из условия Q′<Т′, в противном случае изображения лиц считают разными.

В частном варианте осуществления заявленного изобретения на этапе определения порогового значения Т может выполняться построение гистограммы значений степени схожести Q(i), по которой будет определено пороговое значение Т. На основе построенной гистограммы может быть статистически предсказано распределение степеней схожести изображений разных лиц, из которого может быть определено пороговое значение Т.

В частном варианте осуществления на исходном изображении лица человека (300) выполняется определение ракурса лица человека. При необходимости ракурс лица человека на изображении (300) подвергается коррекции, для чего осуществляют построение промежуточной трехмерной модели лица человека по исходному изображению (300). Далее в трехмерном пространстве выполняют поворот полученной трехмерной модели лица человека до заданного ракурса, например фронтального, и затем осуществляют создание синтетического двумерного изображения по трехмерной модели с заданным ракурсом. Полученное таким образом синтетическое двумерное изображение сравнивают с дополнительной базой данных (270). Упомянутое синтетическое двумерное изображение используется совместно с исходным изображением лица человека (300) для определения наличия схожего изображения в основной базе изображений (260).

Система, представленная на Фиг. 7, реализующая заявленный способ (100), включает в себя устройство (200), содержащее процессорный блок (210), включающий в себя один или более процессоров, модули ввода/вывода (220) и память (230).

В качестве устройства (200) может использоваться, например, один или более стационарных и/или мобильных компьютеров, объединенных посредством сети передачи данных проводного и/или беспроводного типа, карманный компьютер (КПК), планшет, смартфон, фаблет, мейнфрейм и т.п. Память (230) в зависимости от типа устройства (200) может представлять собой, но не ограничиваться: оперативное запоминающее устройство (ОЗУ; RAM), постоянное запоминающее устройство (ПЗУ; ROM), кэш-память, флэш-память, жесткий диск, твердотельный накопитель или любой другой подходящий носитель памяти, содержащий инструкции, которые при их выполнении процессорным блоком (210) реализуют действия этапов (110)-(170) способа сравнения лица человека с помощью цифрового двумерного изображения лица либо с помощью изображения лица от одной или нескольких стереокамер, с двумерным изображением лица из базы данных.

Уведомление о наличии схожего изображения лица человека либо об отсутствии схожих изображений может выводиться на дисплей устройства (200). В частных вариантах реализации упомянутое уведомление может представлять собой, но не ограничиваться: звуковой сигнал, световой сигнал, вибрацию и т.п. Вариант уведомления полностью зависит от программно-аппаратных возможностей устройства (200) в зависимости от его воплощения. Уведомление также может посылаться на носимые внешние устройства, такие как: очки, например Google Glass, браслеты на основе операционной системы, например Android, iOS, WP, кольца с RFID или NFC модулями и т.п. В случае использования носимых устройств управляющий сигнал, содержащий сведения уведомления о результатах сравнения изображения лица человека, может поступать от устройства (200), связанного с упомянутыми носимыми устройствами с помощью беспроводной связи, например Bluetooth, WI-FI, IRDA, NFC и т.п.

Заявленное изобретение так же может быть воплощено на машиночитаемом носителе данных, который содержащий машиночитаемые инструкции для сравнения лица человека с помощью цифрового двумерного изображения лица, либо с помощью изображения лица от одной или нескольких стереокамер, с двумерным изображением лица из базы данных, которые при их обработке одним или более процессором выполняют вышеуказанные этапы (110)-(170) способа (100). Носитель данных может быть пригодным для применения в вышеупомянутом устройстве (200) и может представлять собой, но не ограничиваться: USB-флэш карту, SD -, Micro SD -, Mini SD -, XD -, MMC - карту памяти, CD-, DVD-, BlueRay - диск, HDD-, SSD - жесткий диск или любой другой пригодный носитель данных.

Изложенные в настоящих материалах заявки сведения об осуществлении заявленного изобретения не должны трактоваться как сведения, ограничивающие иные, частные варианты осуществления заявленного изобретения, не выходящие за пределы раскрытия информации заявки и которые должны являться очевидными для специалиста в данной области техники, имеющего обычную квалификацию, на которых рассчитано заявленное техническое решение.

Предложенный способ рекомендован к использованию в аэропортах, вокзалах, метрополитене для использования в системах идентификации личностей, статистического анализа, контроля попыток безбилетного прохождения турникетов, в правоохранительных органах для поиска правонарушителей в потоке людей, для идентификации пользователей компьютера, а также для идентификации личностей на предприятиях с пропускным режимом.

Изобретение относится к области распознавания образов. Технический результат заключается в повышении точности определения сравниваемых изображений. Определяют двумерное исходное изображение лица человека, осуществляют сравнение двумерного изображения лица человека с двумерным изображением из основной базы данных; определяют степень схожести Q между исходным изображением и изображением в основной базе данных, выполняют сравнение исходного двумерного изображения лица человека с множеством двумерных изображений, хранящихся в дополнительной базе данных изображений, для каждого изображения лица из дополнительной базы данных изображений определяют степень схожести Q(i) с исходным двумерным изображением лица человека, где i - номер изображения из базы дополнительных изображений, для исходного изображения определяют пороговое значение Т на основании вычисленных значений степени схожести изображений Q(i); и на основании полученных значений степени схожести Q и порогового значения Т уведомляют о том, что лицо на исходном изображении и лицо на изображении из основной базы данных либо принадлежат, либо не принадлежат одному человеку. 3 н. и 16 з.п. ф-лы, 7 ил.

1. Способ сравнения двумерного изображения лица человека с двумерным изображением лица из базы данных, содержащий этапы, на которых:
- определяют двумерное исходное изображение лица человека, для которого необходимо провести сравнение;
- осуществляют сравнение упомянутого двумерного изображения лица человека с двумерным изображением из основной базы данных;
- определяют степень схожести Q между исходным изображением и изображением в основной базе данных;
- выполняют сравнение исходного двумерного изображения лица человека с множеством двумерных изображений, хранящихся в дополнительной базе данных изображений;
- для каждого изображения лица из дополнительной базы данных изображений определяют степень схожести Q(i) с указанным выше исходным двумерным изображением лица человека, где i - номер изображения из базы дополнительных изображений;
- для исходного изображения определяют пороговое значение Т на основании вычисленных значений степени схожести изображений Q(i);
- и на основании полученных значений степени схожести Q и порогового значения Т уведомляют о том, что лицо на исходном изображении и лицо на изображении из основной базы данных либо принадлежат, либо не принадлежат одному человеку.

2. Способ по п. 1, отличающийся тем, что цифровое двумерное изображение получают с помощью съемки фотокамерой или видеокамерой, или посредством оцифровки фотографии на бумаге или фотопленке, или из внешнего хранилища изображений.

3. Способ по п. 2, отличающийся тем, что внешнее хранилище данных представляет собой ресурс в сети Интернет.

4. Способ по п. 1, отличающийся тем, что дополнительно вычисляют гистограмму значений степени схожести Q(i) и по указанной гистограмме определяют пороговое значение Т.

5. Способ по п. 1, отличающийся тем, что дополнительно определяют ракурс области лица человека на исходном двумерном изображении.

6. Способ по п. 5, отличающийся тем, что дополнительно выполняют коррекцию ракурса области лица человека на изображении.

7. Способ по п. 6, отличающийся тем, что на этапе коррекции ракурса выполняют построение промежуточного трехмерного изображения лица человека по исходному изображению и осуществляют изменение ракурса трехмерного изображения в трехмерном пространстве для получения конечного трехмерного изображения лица человека.

8. Способ по п. 7, отличающийся тем, что строят синтетическое двумерное изображение по упомянутому конечному трехмерному изображению лица человека.

9. Способ по п. 8, отличающийся тем, что упомянутое синтетическое двумерное изображение используют для сравнения с изображениями в дополнительной базе данных.

10. Способ по п. 8, отличающийся тем, что упомянутое синтетическое изображение имеет ракурс, совпадающий с ракурсом двумерного изображения из базы данных, с которым требуется сравнить лицо человека.

11. Способ по п. 10, отличающийся тем, что скорректированный ракурс является фронтальным ракурсом.

12. Способ по п. 1, отличающийся тем, что этапы сравнения изображений по основной и дополнительной базе данных происходят параллельно.

13. Способ по п. 1, отличающийся тем, что дополнительно определяют значение ошибки ложного положительного сравнения (FAR).

14. Способ по п. 13, отличающийся тем, что упомянутое значение FAR определяется из соотношения FAR=FP/N, где N - размер основной базы данных, FP - допустимое количество ложных положительных определений.

15. Способ по п. 14, отличающийся тем, что FP является константой.

16. Способ по п. 13, отличающийся тем, что значение FAR является константой.

17. Способ по п. 1, отличающийся тем, что дополнительно пороговое значение Т определяется в зависимости от значения FAR.

18. Устройство для сравнения двумерного изображения лица человека с двумерным изображением лица из базы данных, содержащее один или более процессоров, модули ввода/вывода и память, причем память содержит машиночитаемые инструкции, которые при их исполнении по меньшей мере одним процессором выполняют способ по любому из пп. 1-17.

19. Машиночитаемый носитель данных, содержащий машиночитаемые команды, которые при их выполнении одним или более процессором реализуют выполнение способа сравнения двумерного изображения лица человека с двумерным изображением лица из базы данных по любому из пп. 1-17.