चेहरे की पहचान की समस्या को हल करने के लिए स्थानीय बाइनरी पैटर्न का अनुप्रयोग

सभी को शुभ दिन!

लेख ने पहले ही एलबीपी ऑपरेटर की संक्षिप्त समीक्षा की। मैं इस मुद्दे पर अधिक विस्तार से ध्यान देना चाहूंगा, और चेहरे की पहचान की समस्या के समाधान के लिए एलबीपी के आवेदन पर भी विचार करूंगा।

1. परिचय

एक नियम के रूप में, एक चेहरे की पहचान प्रणाली एक डिजिटल छवि (फोटो या वीडियो अनुक्रम के फ्रेम) का उपयोग कर किसी व्यक्ति की स्वचालित सत्यापन या पहचान के लिए एक हार्डवेयर-सॉफ्टवेयर परिसर है। एक्सेस कंट्रोल और मैनेजमेंट सिस्टम, बॉर्डर कंट्रोल सिस्टम, ऑपरेशनल सर्च उपायों का संचालन आदि करते समय फेस रिकग्निशन की समस्या का समाधान किया जाता है।


चेहरे की पहचान की प्रक्रिया में, प्रकाश की स्थिति में परिवर्तन, सिर का घूमना, आयु से संबंधित परिवर्तन आदि से जुड़ी कई कठिनाइयां आती हैं। सत्यापन और पहचान प्रक्रिया के निम्नलिखित मुख्य चरणों को प्रतिष्ठित किया जा सकता है:

1. छवि पंजीकरण और सामान्यीकरण;
2. सुविधाओं का चयन;
3. निकटता के एक उपाय की गणना;
4. निर्णय नियम बनाना।

इस काम के मुख्य उद्देश्य स्थानीय बाइनरी पैटर्न (एलबीएस) पर आधारित एक चेहरा पहचान एल्गोरिथ्म का विकास और विश्लेषण थे। हम समस्या को हल करने के मुख्य चरणों को इंगित करते हैं:

1. छवि प्रीप्रोसेसिंग (सामान्यीकरण);
2. एक सुविधा वेक्टर का निर्माण;
3. निकटता माप का विकल्प;
4. निर्णय नियम बनाना;
5. विभिन्न दृष्टिकोणों का परीक्षण और तुलना।

2. स्थानीय बाइनरी पैटर्न

एक स्थानीय बाइनरी टेम्पलेट कंप्यूटर दृष्टि में वर्गीकरण के लिए उपयोग की जाने वाली एक निश्चित प्रकार की विशेषता है, और एक साधारण ऑपरेटर है। स्थानीय बाइनरी पैटर्न को पहली बार 1996 में ग्रेस्केल छवियों की बनावट का विश्लेषण करने के लिए प्रस्तावित किया गया था। इसके अलावा, आगे के अध्ययनों से पता चला है कि एलबीएस प्रकाश की स्थिति और छोटे छवि घुमाव [1] में छोटे परिवर्तनों के लिए अपरिवर्तनीय है।

LBH बाइनरी प्रतिनिधित्व में छवि पिक्सेल के पड़ोस का वर्णन है। मूल एलबीएस ऑपरेटर, छवि पिक्सेल पर लागू होता है, पड़ोस के आठ पिक्सेल का उपयोग करता है, केंद्रीय पिक्सेल की तीव्रता मान को एक सीमा (चित्र 2.1) के रूप में लेता है। केंद्रीय पिक्सेल के तीव्रता मान से अधिक या बराबर तीव्रता वाले पिक्सेल "1" के बराबर मान लेते हैं, बाकी "0" के बराबर मान लेते हैं। इस प्रकार, मूल एलबीएस ऑपरेटर को एक छवि पिक्सेल पर लागू करने का परिणाम एक आठ-बिट बाइनरी कोड है जो इस पिक्सेल के पड़ोस का वर्णन करता है [1]।

चित्र 2.1 - मूल एलबीएस ऑपरेटर

पिक्सेल तीव्रता का एक गोलाकार पड़ोस और बिलिनियर प्रक्षेप का उपयोग करके, आप एक स्थानीय बाइनरी पैटर्न का निर्माण कर सकते हैं, जिसमें अंक पी और त्रिज्या आर (चित्रा 2.2) [1-4] की एक मनमानी संख्या के साथ है।

चित्र 2.2 - उन्नत एलबीएस ऑपरेटर

कुछ बाइनरी कोड दूसरों की तुलना में अधिक जानकारी ले जाते हैं। तो, एक स्थानीय बाइनरी पैटर्न को यूनिफ़ॉर्म कहा जाता है यदि इसमें तीन श्रृंखला "0" और "1" (उदाहरण के लिए, 00000000, 001110000 और 11100001) शामिल हैं। सबसे पहले, वर्दी एलबीएच छवि की केवल महत्वपूर्ण स्थानीय विशेषताओं को निर्धारित करते हैं, जैसे कि लाइन के छोर, चेहरे, कोण और स्पॉट (चित्रा 2.3)। दूसरे, वे 2 ^{पी के} बजाय महत्वपूर्ण मेमोरी बचत ( पी ( पी -1) +2 विभिन्न पैटर्न प्रदान करते हैं।

चित्र 2.3 - स्थानीय विशेषताओं के उदाहरण राडार का पता लगाया

3. एलबीएस हिस्टोग्राम

प्रत्येक छवि पिक्सेल में LBS ऑपरेटर को लागू करते हुए, हम एक हिस्टोग्राम का निर्माण कर सकते हैं जिसमें प्रत्येक समान LBS कोड एक अलग कॉलम से मेल खाता है। एक और अतिरिक्त कॉलम भी है जिसमें सभी असमान पैटर्न के बारे में जानकारी है।

चेहरे की छवियों को सभी प्रकार की स्थानीय विशेषताओं का एक सेट माना जा सकता है जो स्थानीय बाइनरी पैटर्न का उपयोग करके अच्छी तरह से वर्णित हैं। हालाँकि, संपूर्ण छवि के लिए निर्मित हिस्टोग्राम केवल कुछ स्थानीय विशेषताओं की उपस्थिति को एन्कोड करता है, लेकिन छवि पर उनके स्थान के बारे में कोई जानकारी नहीं रखता है। इस तरह की जानकारी को ध्यान में रखने के लिए, छवि को उप-डोमेन में विभाजित किया गया है, जिसमें से प्रत्येक में अपने स्वयं के एलबीएस हिस्टोग्राम की गणना की जाती है (चित्र 3.1)। इन हिस्टोग्रामों को सम्मिलित करके, एक सामान्य हिस्टोग्राम प्राप्त किया जा सकता है जो स्थानीय और वैश्विक दोनों छवि विशेषताओं को ध्यान में रखता है [3]।

चित्र 3.1 - एक उपसमूह में चेहरे की छवि का विभाजन

इस दृष्टिकोण के साथ, बेहतर सुविधा निष्कर्षण के लिए, आप एलबीएस ऑपरेटर के मापदंडों और उप-भागों में छवि विभाजन की संख्या को भिन्न कर सकते हैं।

4. एक निर्णय नियम का निर्माण

काम के दौरान, दो तुलनात्मक चित्रों के हिस्टोग्राम के बीच अंतर के माप की गणना करने और संबंधित निर्णय नियम के निर्माण के लिए तीन दृष्टिकोणों का अध्ययन किया गया था।

4.1। वेटेड कुल्बैक-लिबलर दूरी

छवि के कुछ सबरीज़ में बाकी की तुलना में अधिक महत्वपूर्ण जानकारी हो सकती है, और इसके अनुसार, उनमें से प्रत्येक को अपना स्वयं का वजन गुणांक सौंपा जा सकता है। इसलिए, उदाहरण के लिए, छात्र की कसौटी का उपयोग करके वजन प्राप्त किया जा सकता है, जिसमें सत्यापन या पहचान समस्या को हल करने के मामले में दो वर्गों ("दोस्तों" और "अन्य" का प्रतिनिधित्व करने वाले प्रशिक्षण डेटा से, दोनों नमूनों के बीच के अंतर के बारे में परिकल्पना का परीक्षण करना शामिल है।

दो हिस्टोग्राम के बीच अंतर के एक उपाय के रूप में, सममित रूप में भारित कुल्बैक-लीब्लर दूरी थी:

(4.1)

जहाँ ( i , j ) छवि के उपडोमेन के सूचक होते हैं, w _ij उपडोमेन का भार गुणांक है, S ¹ , S ² क्रमशः पहले और दूसरे चित्र के LBS हिस्टोग्राम हैं , k क्रमशः LBS हिस्टोग्राम का कॉलम नंबर है, P LBS पैटर्न में पड़ोस बिंदुओं की संख्या है।

इस मामले में, पहचान की समस्या को निकटतम पड़ोसी की विधि के अनुसार क्लासिफायर का उपयोग करके हल किया गया था, और सत्यापन समस्या को थ्रेसहोल्ड वर्गीकरण द्वारा हल किया गया था।

4.2। महालनोबिस दूरी

यह दृष्टिकोण महालनोबिस दूरी का उपयोग करने के लिए है:

(4.2)

जहां x , y समान वितरण के साथ यादृच्छिक वैक्टर हैं और सहसंबंध मैट्रिक्स एस।

सहसंबंध मैट्रिक्स एस छवियों के एक प्रशिक्षण नमूने का उपयोग करके प्राप्त किया जा सकता है। प्रत्येक छवि उप-डोमेन के लिए कुल्बैक-लीब्लर दूरी (4.1) का निर्धारण, हम दो छवियों के बीच अंतर के वेक्टर को प्राप्त कर सकते हैं। प्रशिक्षण नमूने की छवियों की प्रत्येक जोड़ी के लिए ऐसे वैक्टरों की गणना करके, हम दो वर्गों के लिए छवि अंतर वैक्टर के दो सेट प्राप्त करते हैं - "दोस्तों" की कक्षा और "अजनबियों" की कक्षा। उसके बाद, हम प्रत्येक वर्ग का प्रतिनिधित्व करने वाले वैक्टरों के औसत मूल्यों की गणना कर सकते हैं, साथ ही साथ दो सहसंबंध मैट्रीस भी।

व्यवहार में, किसी भी दो छवियों के लिए, हम उनके अंतर के वेक्टर की गणना कर सकते हैं, और फिर इस वेक्टर और "दोस्त" और "दोस्त" कक्षाओं के औसत वैक्टर के बीच क्रमशः महालनोबिस डी ₁ और डी ₂ की दूरी निर्धारित कर सकते हैं। पहचान और सत्यापन दो प्राप्त दूरी की तुलना करके या भेदभावपूर्ण फ़ंक्शन f ( d ₁ , d ₂ ) = d ₂ = ( d ₁ + d ₂ ) और एक निश्चित सीमा मान का उपयोग करके किया जा सकता है।

4.3। फिशर के रेखीय विभेदक का उपयोग

निम्नलिखित दृष्टिकोण फिशर के रैखिक विभेदक (LDF) के उपयोग पर निर्भर करता है:

(4.3)

जहाँ μ _मैं i- th वर्ग के लिए औसत है, μ सामान्य औसत है, _{i i-} th वर्ग में प्रतिनिधियों की संख्या है, प्रशिक्षण नमूने में N प्रतिनिधियों की कुल संख्या है, x _ij i- th वर्ग का प्रतिनिधि है।

बता दें कि दो वर्गों के लिए वैक्टर के दो सेट हैं। मैट्रिक्स एस _{डब्ल्यू} ^-1 एस _बी के सबसे बड़े आइगेनवैल्यू के अनुरूप आइजनवेक्टर 1 आयाम के स्थान में परिवर्तन को परिभाषित करता है।

पहचान और सत्यापन की समस्या को पिछले एक के समान विधि द्वारा हल किया जा सकता है (कुल्बैक-लीब्लर दूरी का उपयोग करके छवि अंतर वैक्टर का निर्माण करके)। इस मामले में, महालनोबिस दूरी के बजाय, वेक्टर का एक आयामी स्थान में मानचित्रण किया जाता है।

5. छवि प्रीप्रोसेसिंग

शोर के स्तर को कम करने के लिए, माध्यिका और गाऊसी फिल्टर का उपयोग किया गया था। इसके अलावा, छवियां सामान्यीकरण प्रक्रिया के माध्यम से चली गईं, अर्थात्। उन्हें क्रॉप किया गया, स्केल किया गया और आंखों के केंद्रों को जोड़ने वाली रेखा की क्षैतिज स्थिति में बदल दिया गया (चित्र 5.1)।

चित्र 5.1 - छवि सामान्यीकरण पैरामीटर

6. प्रयोग का विवरण और परिणाम

प्रशिक्षण और परीक्षण के लिए, ColorFERET डेटाबेस का उपयोग किया गया था।

• प्रशिक्षण का नमूना: 100 लोग, प्रत्येक के लिए 5 तस्वीरें;
• परीक्षण नमूना: 329 लोग, प्रत्येक के लिए 2 तस्वीरें।

सभी एल्गोरिदम को 0.1% की झूठी सहिष्णुता संभावना (एफएआर) मूल्य प्रदान करने के लिए प्रशिक्षित किया गया था। निम्नलिखित मापदंडों का उपयोग करके सर्वोत्तम परिणाम प्राप्त किए गए:

• LBSh ऑपरेटर पैरामीटर: P = 8, R = 2;
• छवि विभाजन की संख्या: 6 × 6 (क्रमशः x और y अक्षों के साथ)।

तालिका 6.1 विकसित एल्गोरिदम के परीक्षण के परिणाम दिखाती है।

तालिका 6.1 और परीक्षण एल्गोरिदम के परिणाम

अंतर का माप	निजी सेट पहचान	सत्यापन
वेटेड कुल्बैक-लिबलर दूरी	89,5%	84,2%
महालनोबिस दूरी	89.8%	80.8%
एलडीएफ का उपयोग करके 1-आयामी स्थान में परिवर्तित करें	92.0%	86.0%

7. निष्कर्ष

यह आलेख संक्षेप में स्थानीय बाइनरी पैटर्न के आधार पर एक फीचर वेक्टर के निर्माण के लिए एल्गोरिथ्म पर चर्चा करता है।

यह दिखाया गया है कि एक ही फीचर वैक्टर के लिए अलग-अलग निर्णय नियमों का उपयोग चेहरे की पहचान प्रणाली की गुणवत्ता में सुधार कर सकता है। जैसा कि तालिका 6.1 से देखा जा सकता है, फिशर के रेखीय विभेदक का उपयोग करके सर्वश्रेष्ठ संभाव्य विशेषताओं को प्राप्त किया जाता है।

इसके अलावा, यह ध्यान दिया जाना चाहिए कि सिस्टम की गुणवत्ता काफी हद तक इनपुट छवियों के प्रीप्रोसेसिंग पर निर्भर करती है। काम के दौरान, यह ध्यान दिया गया कि निस्पंदन चरण की अनुपस्थिति सही पहचान और सत्यापन की संभावना को कम करती है।

8. उपयोग किए गए स्रोतों की सूची

1. टी। मेंपा। स्थानीय बाइनरी पैटर्न पाठ विश्लेषण के लिए दृष्टिकोण - एक्सटेंशन और अनुप्रयोग। ओलु विश्वविद्यालय प्रेस , 2003।
2. डी। मथुराना, डी। मेरि, ए। सोटो। स्थानीय द्विआधारी पैटर्न, स्थानिक पिरामिड हिस्टोग्राम और नैवे बेस निकटतम पड़ोसी वर्गीकरण के साथ चेहरा पहचान। प्रोक में। चिली कम्प्यूटर साइंस सोसाइटी के XXVIII अंतर्राष्ट्रीय सम्मेलन, IEEE सीएस सोसायटी , 2009।
3. सी। शान, एस। गोंग, पीडब्लू मैकवान। स्थानीय द्विआधारी पैटर्न पर आधारित चेहरे की अभिव्यक्ति: एक व्यापक अध्ययन। इमेज एंड विजन कंप्यूटिंग , (27), 2009।
4. टी। अहोनेन, ए। हदीद, एम। पीटरकैनन। स्थानीय बाइनरी पैटर्न के साथ चेहरा पहचान। कंप्यूटर विज्ञान में व्याख्यान नोट्स , 2004।

पीएस मैं अलग से ध्यान देना चाहूंगा कि आगे के कामों में सत्यापन और पहचान एल्गोरिथ्म की संभावित विशेषताओं में कुछ सुधार हुआ था। यह न केवल चेहरे की छवि के लिए, बल्कि आंखों, नाक और मुंह की एक जोड़ी के क्षेत्रों के लिए और साथ ही प्रशिक्षण नमूने की मात्रा में उल्लेखनीय वृद्धि के लिए फीचर वैक्टर का निर्माण करके हासिल किया गया था। दुर्भाग्य से, मैं इन अध्ययनों की सामग्रियों को अधिक विस्तार से प्रस्तुत नहीं कर सकता, क्योंकि प्राप्त परिणाम एक वाणिज्यिक रहस्य हैं।

पीपीएस यह लेख मेरे अन्य प्रकाशनों के आधार पर लिखा गया था और इसमें कुछ संशोधन भी शामिल हैं। इस लेख की सामग्री का उपयोग करते समय (विशेष रूप से वैज्ञानिक पत्रों में), मूल संस्करण को संदर्भित करने के लिए एक बड़ा अनुरोध है:
पेट्रुक वी। आई।, समोरोडोव ए.वी., स्पिरिडोनोव आई.एन. चेहरे की पहचान की समस्या को हल करने के लिए स्थानीय बाइनरी पैटर्न का अनुप्रयोग। मास्को राज्य तकनीकी विश्वविद्यालय के बुलेटिन। NE बाऊमन। श्रृंखला: उपकरण बनाना। 2011. नंबर एस 58-63।