Способ идентификации личности человека по цифровому изображению лица

Способ идентификации личности человека по цифровому изображению лица

Владельцы патента RU 2613852:

Изобретение относится к автоматике и вычислительной техники и применимо в системах управления доступом и системах автоматической идентификации и верификации человека по изображению лица. Техническим результатом является уменьшение ошибок и времени на распознавание изображения лица человека. Способ идентификации личности человека по цифровому изображению лица содержит этапы формирования идентичных по размерам и расположению в кадре изображений распознаваемого лица в видимом и ИК свете, определения по ИК изображению координат центров зрачков глаз, вписывания цветного изображения по найденным координатам центров зрачков в эталонный кадр, преобразования цветного изображения в полутоновое и вычисления изображений интенсивности и направлений градиента яркости с формированием трех изображений распознаваемого лица: бинарного изображения интенсивности градиента яркости, полутонового изображения направлений градиента яркости и пастеризованного цветного изображения, по суммарному соответствию которых эталонным изображениям в базе данных принимается решение о идентификации. 9 ил.

Заявляемый способ относится к автоматике и вычислительной технике и может быть использован в системах искусственного интеллекта: системах контроля и управления доступом (СКУД) и робототехнических системах автоматической идентификации и верификации человека по изображению лица (системах контроля удостоверения личности, информационной безопасности и др).

В этих системах контролируемые условия получения изображения (освещенность, задний фон), фиксация изображения лица человека анфас существенно упрощают процедуру идентификации.

Известен патент РФ №2295152, кл. G06K 9/00 «Способ распознавания лица человека по видеоизображению», по которому производят поиск лица человека в кадре, нормируют его параметры, формируют вектор входного изображения (Р1), загружают из базы данных для сравнения вектора (Р2), разбивают изображения на блоки (8×8), осуществляют первичный поиск по совпадению блоков, осуществляют вторичный поиск, на основе чего принимают решение о распознавании.

Недостатком данного способа является большой объем вычислений и, как следствие, низкая оперативность метода, а также ошибки распознавания.

Известен патент РФ №2297039, кл. G06K 9/62, «Способ распознавания сложного графического объекта», в котором изображения всех эталонных объектов разбивают на пересекающиеся доменные блоки, а изображение распознаваемого объекта разбивают на непересекающиеся ранговые блоки, размер которых меньше доменных блоков, производят поиск наилучшего сопоставления всех ранговых блоков анализируемого изображения и доменных блоков всех эталонных изображений с использованием сжимающих аффинных преобразований.

Недостатком данного способа является также большой объем вычислений при распознавании.

Известен патент США №7,869,657, кл. G06K 9/68 «System and method for comparing images using an edit distance», по которому вводится понятие подобия (расстояния редактирования) сравниваемых изображений с использованием результатов соответствия частей одного изображения другому. Для вычисления подобия распознаваемый объект делится на блоки пикселей и им находится соответствие в сравниваемом изображении. По результатам анализа минимального расстояния редактирования между изображением неизвестного объекта и набора эталонных изображений принимается решение о распознавании.

Недостатком данного способа является очень большой объем вычислений и, как следствие, низкая оперативность метода.

Наиболее близким по своей технической сущности к заявляемому изобретению является патент №2431191, кл. G06K 9/00, заявленный 27.01.2009 «Способ идентификации личности человека по цифровому изображению лица». Этот способ включает поиск лица человека в кадре, выравнивание яркости и цветности изображения. Далее формируется вектор входного изображения путем фильтрации и бинаризации, изображение масштабируется до заданного размера по экстремумам интегральных проекций, выполняется сегментирование областей изображения по связности, вычисляются вектора геометрических характеристик сегментированных областей и формируется интегральный индекс, по которому выполняется распознавание.

Недостатком этого способа является невысокая точность распознавания из-за ошибок масштабирования по экстремумам интегральных проекций, учет при распознавании только вычисляемых интегральных геометрических характеристик сегментированных областей бинарного изображения. При распознавании не учитывается информация о цветовых параметрах изображения лица и рельефе поверхности лица.

Техническим результатом, на которое направлено изобретение, является повышение точности и оперативности распознавания изображения лица человека за счет более точного масштабирования по изображению в ближнем ИК, использования полной информации сегментированных областей и уменьшения ошибок распознавания дополнительным учетом цветовых параметров и рельефности лица.

Указанный результат достигается за счет того, что с использованием сопряженных цветной и инфракрасной TV камер формируют два идентичных по размерам и расположению в кадре изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков глаз, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, затем после преобразования цветного изображения в полутоновое и вычисления полей интенсивности и направлений градиента яркости формируют три изображения: бинарное изображение интенсивности градиента яркости, полутоновое изображение направлений градиента и пастеризованное цветное изображение, по суммарному соответствию которых эталонным изображениям в базе данных принимается решение о распознавании.

Сущность изобретения поясняется чертежами, на которых показаны:

фиг. 1а, 1б — представлен алгоритм выполнения заявляемого способа,

фиг. 2 — операторы-маски вычисления градиента яркости и направления градиента яркости,

фиг. 4-7 — примеры исходных и обработанных изображений, по которым производится распознавание,

фиг. 8 — графики зависимостей примерного числа обрабатываемых пикселей N и порога отличия DEL при распознавании лиц в базе FEI форматом 90*65 пикселей.

На фиг. 1а показаны этапы идентификации по изображению лица.

Получение кадров распознаваемого изображения лица в видимом и ИК свете осуществляется с использованием сопряженных цветной и инфракрасной TV камер захватом кадра с фронтальным ракурсом распознаваемого лица.

По методу, описанному в статье «Shuyan Zhao and Rolf-Rainer Grigat» An Automatic Face Recognition System in the Near Infrared Spectrum» In Proceedings MLDM 2005, Leipzig, Germany, July 9-11, 2005, p. 437-444, определяются координаты центров зрачков глаз в кадре изображения лица при ИК подсветке.

Эти данные позволяют нормировать размер лица и заданное размещение центров зрачков глаз в кадре цветного изображения с высокой точностью на шаблоне для распознавания. Поэтому во всех эталонах баз данных идентифицируемых лиц в системе расположение центров зрачков глаз будет идентично. Идентификация лица проводится по трем базам данных лиц, которые вычисляются из исходного цветного изображения в процессе регистрации лица в системе. Это базы бинарных изображений градиента яркости — BDA, изображений направлений градиента яркости — BDB и пастеризованных исходных цветных изображений = BDC.

Преобразование цветного изображения в полутоновое изображение выполняется суммированием значений цветовых составляющих для каждого пикселя изображения.

В связи с максимальной информативностью для распознавания и значительным уменьшением объема обрабатываемой информации при выделении очертаний (контуров) объектов выполняется вычисление изображений градиента яркости и направления градиента яркости (направления наибольшего изменения яркости в каждом пикселе изображения).

Для вычисления градиента яркости используется сверка матрицы исходного полутонового изображения с операторами-масками H1 и Н3, показанными на фиг. 2. Дополнительно показаны значения координат пикселей масок (i — координата X, j — координата Y).

Маски H1 и Н3 используются для вычисления проекций градиента яркости по координатам X и Y соответственно. Возможный вариант вычисления градиента яркости суммирование проекций градиента для каждого пикселя.

Маски Н1-Н4 применяются к каждому пикселю и используются для вычисления направления градиента яркости. Одно из возможных 8-ми направлений градиента выбирается по максимуму значения результата вычислений.

В качестве операторов вычисления изображений градиента яркости и направления градиента яркости могут быть использованы и другие известные операторы (Sobel, Prewitt, Isotropic, Kirsh, Robinson).

Результатом вычислений являются полутоновое изображение градиента яркости и полутоновое изображение направления градиента яркости, где градациям яркости будут поставлены в соответствие определенные направления градиента яркости.

На фиг. 3 показаны примеры кадров цветных изображений лиц из базы лиц FEI, используемой для моделирования и оценки характеристик описываемого способа. Им соответствующие вычисленные изображения градиента яркости (8-битное полутоновое изображение) и направления градиента яркости (3-битное полутоновое изображение) приведены на фиг. 4 и 5.

Изображение градиента яркости нормируется в диапазоне 0-1.0. Пороговой обработкой на заданном уровне формируется бинарный срез изображения, в котором пиксели исходного изображения, равные или большие порога (POROG), отображаются как единичные. Это изображение содержит наиболее информативные зоны для распознавания, они занимают небольшую часть исходного кадра изображения (0.02-0.2) и позволяют существенно сократить вычислительные затраты при распознавании (фиг. 6).

Для уменьшения влияния нестабильности аппаратуры на результаты распознавания уменьшают цветовую палитру исходных изображений пастеризацией. На фиг. 7 показаны примеры пастеризованных цветных изображений.

Процедура распознавания (фиг. 1b) сводится к бинарной корреляции, оценке зоны несовпадения выделенных фрагментов лица в бинарном изображении и сравниваемом эталоне и дополнительном уменьшении этой зоны на количество пикселей, не совпадающим по двум другим рассматриваемым параметрам (цветовым и направлению градиента яркости). Результатом однократного контроля всех пикселей кадра изображения является суммарный подсчет числа пикселей выделенных фрагментов лица (sum) и числа пикселей, коррелирующих в сравниваемых изображениях (corr). Величина (sum — corr) позволяет оценить меру отличия сравниваемых изображений. Сравнительный анализ распознаваемого изображения со всеми эталонами базы данных дает возможность принять решение о распознавании. Пороговая величина отличия DEL.

Заявляемый способ моделировался в среде MatLab. Использовалась база данных лиц FEI (электронный ресурс http://fei.edu.br/

cet/facedatabase.html). База состоит из 200 цветных изображений мужских и женских лиц анфас форматом 260*360 пикселей. Изображения выравнены вручную по расположению центров зрачков глаз. Использование при распознавании информации о цветовых параметрах изображения лица и рельефе поверхности лица увеличивает надежность распознавания в десятки раз. На изображениях форматом 90*65 пикселей при 100% распознавании любого из представленных в базе лиц по всей базе надежность распознавания около 40 дБ (фиг. 8) при отсутствии ошибок в масштабировании исходных изображений. Так как масштабирование в системе проводится в изображениях с высоким разрешением (260*360 пикселей), а обработка и распознавание с низким (65*90 пикселей) предполагается, что погрешности масштабирования минимизированы.

Способ идентификации личности человека по цифровому изображению лица анфас, заключающийся в том, что производят поиск лица человека в кадре, масштабируют изображение до заданного размера, выравнивают яркость и цветность изображения, разбивают изображение по связности элементов, формируют интегральный индекс для распознавания по геометрическим характеристикам областей связности, отличающийся тем, что для поиска лица формируют, используя сопряженные цветную и инфракрасную цифровые TV камеры, два идентичных по размерам и расположению в кадре изображения распознаваемого лица в видимом и ИК свете, по ИК изображению находят точное расположение центров зрачков, осуществляют вписывание цветного изображения по координатам центров зрачков в эталонный кадр, а для определения интегрального индекса, по которому осуществляется распознавание, преобразуют цветное изображение в полутоновое и вычисляют нормированное первое изображение интенсивности градиента яркости, которое приводят к бинарному виду пороговой обработкой на заданном уровне, далее вычисляют второе полутоновое изображение направлений градиента яркости и третье — пастеризованное цветное изображение; в областях единичных элементов в первом изображении выделяют зоны несовпадения со сравниваемым эталоном и подсчитывают число несовпавших пикселей, из этого результата по зонам несовпадения подсчитывают и дополнительно вычитают число пикселей во втором и третьем изображениях, не равных по значению соответствующим пикселям второго и третьего эталонов, по результатам сравнения со всеми эталонами базы данных по порогу отличия принимается решение о распознавании.

Источник

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

Описание патента на изобретение RU2431191C2

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

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

где E_i,j — значение интенсивности в точке с координатами

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

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

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

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.

Похожие патенты RU2431191C2

название	год	авторы	номер документа
СПОСОБ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ЧЕЛОВЕКА ПО ЦИФРОВОМУ ИЗОБРАЖЕНИЮ ЛИЦА	2014	Хомяков Юрий Николаевич	RU2613852C2
УСТРОЙСТВО АВТОМАТИЗИРОВАННОГО РАСПОЗНАВАНИЯ ЛИЦ ПРИ ОБРАБОТКЕ ГРУППОВОЙ ФОТОГРАФИИ	2013	Марчук Владимир Иванович Шерстобитов Александр Иванович Воронин Вячеслав Владимирович Семенищев Евгений Александрович Приходченко Владислав Александрович Тимофеев Дмитрий Витальевич Гапон Николай Валерьевич	RU2541918C2
СПОСОБ РАСПОЗНАВАНИЯ ЛИЦА ЧЕЛОВЕКА ПО ВИДЕОИЗОБРАЖЕНИЮ	2005	Худеев Роман Павлович Сидельников Алексей Евгеньевич	RU2295152C1
СПОСОБ ИДЕНТИФИКАЦИИ ЧЕЛОВЕКА ПО ИЗОБРАЖЕНИЮ ЕГО ЛИЦА	2006	Морзеев Юрий Витальевич Осипов Александр Александрович Ладаев Дмитрий Валерьевич Байгарова Наталия Степановна	RU2304307C1
Способ распознавания лиц	2016	Стоянов Юрий Павлович	RU2610682C1
СПОСОБ РАСПОЗНАВАНИЯ ОБРАЗОВ НА ЦИФРОВОМ ИЗОБРАЖЕНИИ	2013	Босов Юрий Олегович Зегжда Дмитрий Петрович Москвин Дмитрий Андреевич	RU2536677C2
СПОСОБ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО ОСОБЕННОСТЯМ ДИНАМИКИ НАПИСАНИЯ ПАРОЛЯ	2014	Епифанцев Борис Николаевич Ложников Павел Сергеевич Самотуга Александр Евгеньевич Сулавко Алексей Евгеньевич	RU2543927C1
СПОСОБ И СИСТЕМА ДЛЯ ИДЕНТИФИКАЦИИ ЧЕЛОВЕКА ПО ИЗОБРАЖЕНИЮ ЛИЦА	2007	Тельных Александр Александрович Еремин Евгений Викторович Разумов Владимир Автандилович Беллюстин Николай Сергеевич Шемагина Ольга Владимировна Краева Татьяна Анатольевна Калафати Юрий Дмитриевич Джейн Аджай Кумар Рохаджи Упендра Сингх Яхно Владимир Григорьевич	RU2382408C2
СПОСОБ ВЕРИФИКАЦИИ И ИДЕНТИФИКАЦИИ ОТПЕЧАТКОВ ПАПИЛЛЯРНЫХ УЗОРОВ	2006	Борейшо Алексей Анатольевич Фокин Дмитрий Александрович Чакчир Сергей Яковлевич Хозин Алексей Юрьевич Орлов Евгений Михайлович	RU2310910C1
СПОСОБ ИДЕНТИФИКАЦИИ ЧЕЛОВЕКА	2000	Новиков С.О. Морзеев Ю.В.	RU2175148C1

Иллюстрации к изобретению RU 2 431 191 C2

Реферат патента 2011 года СПОСОБ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ЧЕЛОВЕКА ПО ЦИФРОВОМУ ИЗОБРАЖЕНИЮ ЛИЦА

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.

Формула изобретения RU 2 431 191 C2

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.

Источник