Введение к работе
Актуальность темы исследования. В настоящее время значительно возрос интерес к системам распознавания различного характера. Так, например, одной из наиболее актуальных задач является проблема безопасности. Во многом это связано со значительным возрастанием уровня террористической угрозы в России и в мире. В контексте этой проблемы, например, предпринимаются попытки использования биометрических технологий с целью автоматизации обнаружения и опознавания нежелательных и опасных субъектов в местах массового скопления людей. Остановимся подробнее на этой сфере применения систем распознавания. Создание подобных систем представляет существенную сложность. Проблемы, в основном, группируются в двух направлениях. Во-первых, в инженерно-технической области; производительность вычислительных модулей, разрешающая способность и чувствительность оптических модулей. Во-вторых, в алгоритмической области; эффективность алгоритмов детектирования и распознавания. Так в сфере разработки алгоритмов распознавания лиц, основные усилия концентрируются на создании эффективных узкоспециализированных алгоритмов.
В настоящее время имеется ряд реализованных программно-аппаратных систем автоматического распознавания. Тем не менее, исследования алгоритмов продолжаются для расширения области применения и улучшения их характеристик (повышения вероятности автоматизированного распознавания человека по биометрическим признакам относительно эталонных фотографий, снижения ошибки 1 рода (FRR -False Rejection Rate вероятность отказа «своему») и ошибки 2 рода (FAR -False Acceptance Rate вероятность пропуска «чужого»). Важнейшие результаты в области обработки и распознавания образов на телевизионных изображениях получены отечественными учеными: Сойфером В.А., Журавлевым Ю.И., Житенёвым С.А., Бакутом П.А., Фурманом Я.А., Снетковым В.А., а также зарубежными авторами: Pratt W.K, Roberts L.G., Sobel I.E. и др.
Объект исследования. Телевизионные системы распознавания образов, в том числе, подсистемы детектирования, сегментации и классификации объектов в полутоновых и цветных изображениях.
Предмет исследования. Средства распознавания образов методом сравнения с изменяющейся мерой в условиях единичного низкокачественного эталона.
Цель и задачи исследования. Разработка алгоритмов, направленных на повышение вероятности корректного распознавания образов на телевизионных изображениях в реальном времени.
Для достижения указанной цели необходимо решить следующие задачи:
-
Разработать алгоритмы и подсистемы модульной программы идентификации человека по растровому двумерному изображению в условиях единичного низкокачественного эталона.
-
Провести прямое сравнение результатов работы разработанных алгоритмов с результатами узкоспециализированного алгоритма.
-
Исследовать сравнительную реакцию разработанных алгоритмов при снижении качества эталонного изображения и влияние искажений на тестовых изображениях.
4. Провести экспериментальные натурные исследования.
Методы исследования. При решении поставленных задач использованы
методы цифровой обработки изображений, компьютерного зрения, распознавания образов, математического анализа, теории вероятностей и математической статистики. Для практической реализации алгоритмов применялись современные численные методы и методы объектно-ориентированного программирования на языках Matlab, С++, C#.
Научная новизна. В рамках данной работы получены следующие новые научные результаты:
1. Для повышения вероятности распознавания в условиях изменения освеще-
ния, оптических искажений и перекрытий объектов предложен алгоритм,
построенный на принципах модульного объединения независимых мето
дик и искусственных трансформаций изображений.
2. Разработанная система использует принцип структурной минимальности
входных данных, т.е. оперирует единственным исходным изображением (эталоном) каждого распознаваемого класса и регистрируемыми распознаваемыми изображениями при существенных искажениях.
Практическая значимость.
-
Разработаны алгоритмы, математические модели и программные средства, позволяющие увеличить вероятность распознавания на 10-16%, в зависимости от условий измерений.
-
Создана модульная система распознавания образов.
-
Применение модульной структуры предлагаемых решений позволяет совместное использование разработанных универсальных и узкоспециализированных алгоритмов сторонних разработчиков.
Положения, выносимые на защиту:
-
Алгоритм обнаружения и отслеживания образов на телевизионных изображениях, позволяющие получить 98-100% детектирования образов (при исключении ложных срабатываний в случае появления в видеопотоке, например, изображений людей, нанесенных на одежду, рекламные материалы и т.д.)
-
Алгоритм определения принадлежности объекта распознаваемому классу, отличающийся повышенным быстродействием.
-
Группа алгоритмов для идентификации образов на телевизионных изображениях, позволяющих повысить вероятность распознавания образов на величину 10-16% в режиме реального времени в условиях единичного низкокачественного эталона. Внедрение научных результатов диссертационной работы проведено в
учебный процесс, научно исследовательские и опытно-конструкторские работы
выполняемые на кафедре физики и прикладной математики ВлГУ, а также в
ФКП «ГЛП «Радуга» г. Радужный, о чем получены акты внедрения.
Апробация работы проведена на следующих научных конференциях:
Международная конференция по математической теории управления и механике. Суздаль, 2015
XVIII всероссийская научно-методическая конференции «Телемати-ка’2011, Санкт-Петербург, 2011
Региональная научно-практическая конференция «Многоядерные процессоры и параллельное программирование», Барнаул, 2011
XVII Всероссийская научно-методическая конференции «Телемати-ка'2010, Санкт-Петербург, 2011
IX международная научно-практическая конференция «Исследование, разработка и применение высоких технологий в промышленности», Санкт-Петербург, 2010
Публикации. Опубликовано 16 научных работ, из них по теме диссертации 14, в том числе 3 в журналах, рекомендованных ВАК, 4 свидетельств о регистрации программ для ЭВМ и 7 докладов на научных конференциях различного уровня, включая международные.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованных источников, содержащего 150 наименований. Она изложена на 139 страницах машинописного текста, содержит 51 рисунок, 8 таблиц и 7 приложений.