|
5-amaliy ish Mavzu: Yuz shakli orqali identifikatsiya/autentifikatsiya tizimini amalga oshirish Ishdan maqsad
|
| bet | 1/2 | | Sana | 04.03.2024 | | Hajmi | 1.02 Mb. | | #166762 |
Bog'liq 5-amaliy ish MTA Majmua(2021), 1, 4-Karno kartadan foydalanib mantiqiy ifodalarni minimallash, Kalendar reja algoritm, Ishchi dastur(Dasturlash I) 24.11.2021, 1 -amaliyot, 4-Lab, Yurtimiz mustaqillikga erishishidan oldin milliy urf odat, 7-8-mavzuDT larni sertifikatlashtirish, Axborotlarni izlash va ajratib olish fanidan mustaqil ish Mavzu, Abdulla Oripov O\'zbekiston (qasida), 2 lab Yarashov Diyorbek, TATU NF Hemis axborot tizimi, Algo 1-299, prezentatsiya
5-amaliy ish
Mavzu: Yuz shakli orqali identifikatsiya/autentifikatsiya tizimini amalga oshirish
Ishdan maqsad: talabalarda yuz shakli orqali identifikatsiya/autentifikatsiya jarayonlarini amalga oshirish ko’nikmalarini shakllantirish.
Nazariy qism
Yuz tasviri tizimlari arzonligi tufayli eng foydalanuvchan hisoblanadilar, chunki aksariyat zamonaviy kompyuterlar video va audio vositalariga ega. Bu biometrik tizimlari telekommunikatsiya tarmoqlarida masofadagi foydalanuvchi subyektni identifikatsiyalash uchun ishlatiladi. Yuz tuzilishini skanerlash texnologiyasi boshqa biometrik texnologiyalar yaroqsiz bo‘lgan ilovalar uchun to‘g‘ri keladi. Bu holda shaxsni identifikatsiyalash va verifikatsiyalash uchun ko‘z, burun va lab xususiyatlari ishlatiladi. Yuz tuzilishini aniqlovchi qurilmalarni ishlab chiqaruvchilar foydalanuvchini identifikatsiyalashda xususiy matematik algoritmlardan foydalanadilar. Ta’kidlash lozimki, yuz tuzilishini aniqlash texnologiyasi yanada takomillashtirishni talab etadi. Yuz tuzilishini aniqlovchi aksariyat algoritmlar quyosh yorug‘ligi jadalligining kun bo‘yicha tebranishi natijasidagi yorug‘lik o‘zgarishiga ta’sirchan bo‘ladilar. Yuz holatining o‘zgarishi ham aniqlash natijasiga ta’sir etadi. Yuz holatining 90° ga o‘zgarishi aniqlashni samarasiz bo‘lishiga olib keladi.
Yuz shakli bo‘yicha autentifikatsiyalash usullari turli ko‘rinishda bo‘lib quyida ulardan asosiylari keltirib o‘tilgan:
Neyron tarmoqli usul. Neyron tarmoqli usul tasvirni aniqlashda foydalanilib, bir necha neyron tarmoqlarini qo‘llashga asoslanadi.
Elastik grafiklarni taqqoslash usuli. Bu usul (Elastic Bunch Graph Matching)da –yuzning kalit nuqtalari: bosh, burun, lab va ko‘z chegarasi va oxirgi nuqtalari grafik ko‘rinishda ifodalanadi.
Chiziqli diskreminant tahlil usuli. Xususiy yuz usuli kabi holatlarni ideallashtirish uchun qo‘llanilib, shuningdek, yorug‘likning yagona parametrda bo‘lishi, ko‘zoynak taqib kirishda xalaqitlar va soqqolning paydo bo‘lishi. Bu holatlar umumiy tasodiflarda hech qachon dastlabki qayta ishlash uchun yo‘l topa olmaydi. Bu kamchiliklarni albatta bartaraf etish lozim. Shuning uchun asosiy komponent usuli bilan bilan birgalikda ishlash tavsiya etiladi.
Yuzning geometrik xarakteristikalari asosidagi usul. Bu usul hammasidan birinchi bo‘lib qo‘llanilgan. Bu usul birinchi kriminal sohada qo‘llanilgan va u yerda qayta ishlangan. Keyin uning kompyuter dasturlari ishlab chiqilgan. Birinchi yuzning kalit nuqtalari topilgan va belgilar to‘plami tuzilgan. Xar bir belgi kalit nuqtalar orasidagi masofani ifodalagan.
Empirik aniqlash usuli. Rasmlarda yuzni aniqlashda inson miyasi bilan solishtirish juda muvaffaqqiyatli yo‘l hisoblanadi. Shuningdek bu usul oldin qo‘llanilgan va ayrim masalalarni hal qilgan.
5.1-rasm. Ko‘p qatlamli neyron tarmoq usuli
Ko‘p qatlamli neyron tarmoqlar qatlamlar bir-biri bilan ketma-ket bog‘lanadi. Ya’ni, birinchi qatlam chiqishida keyingi qatlam va shu kabi davom etadi. Birin- ketin qatlamlarni amalga oshirishda paydo bo‘lgan xatolarni umumiy yig‘indisi ko‘rinishda olsak, birini xatosini ikkinchisi to‘ldirib ketadi va umumiy xatolar soni nisbatan kamayadi. Ko‘p qatlamli neyron tarmoqlari yuqorida belgilangan sinf asosida belgilarni aniqlashi va qo‘llanilishi mumkin. Shuningdek, xar bir berilgan nusxa o‘zining sinfiga tegishli belgilarni aniqlaydi va natijada hamma sinflardan olingan natijalar birlashtiriladi. Kiruvchi tasvirni aniq belgilab olish uchun neyron tarmoqli detektor ishlatiladi.
Python– bu o‘rganishga oson va shu bilan birga imkoniyatlari yuqori bo‘lgan oz sonlik zamonaviy dasturlash tillari qatoriga kiradi. Python yuqori darajadagi ma'lumotlar strukturasi va oddiy lekin samarador obyektga yo‘naltirilgan dasturlash uslublarini taqdim etadi.
Python quyidagi sohalarda ishlatiladi:
Web dasturlash (serverlar bilan);
dasturiy ta’minot;
matematika;
tizim skriptlari.
OpenCV hozirgi kunda keng tarqalgan ochiq manbaali dasturiy ta'minot kutubxonalaridan biri. Shuningdek, ko‘plab dasturchilar ushbu kutubxonadan foydalanishadi.
OpenCV so‘zi ingliz tilidagi Open Source Computer Vision Library so‘zlarining bosh harflaridan olingan. OpenCV ochiq manbaali kompyuter ko‘rish va mashinalarni o‘rganish uchun dasturiy ta'minot kutubxonasidir. OpenCV kompyuterni ko‘rishda qo‘llaniladigan dasturlar uchun umumiy infratuzilmani ta’minlash va tijorat mahsulotlarida mashina idrokini tezlashtirish uchun yaratilgan.
OpenCV BSD litsenziyasiga ega. Kutubxonada 2500 dan ortiq optimallashtirilgan algoritmlar mavjud bo‘lib, ularda klassik va zamonaviy kompyuter ko‘rish va mashinalarni o‘rganish algoritmlarining to‘liq to‘plami mavjud. Ushbu algoritmlar yuzlarni aniqlash va tanib olish, obyektlarni aniqlash, videolarda odam harakatlarini tasniflash, kameralar harakatlarini kuzatish, harakatlanuvchi obyektlarni kuzatish, obyektlarning 3D modellarini ajratib olish, stereo kameralardan 3D nuqta bulutlarini chiqarish, rasmlarni bir-biriga yuqori piksellar sonini yaratish uchun ishlatishi mumkin. ”OpenCV”da 47 mingdan ziyod odamlarning biometrik xususiyatlari mavjud. Shu bilan birga, yuklanishlarning taxminiy soni 18 milliondan ortiq. OpenCVdan ilmiy guruhlar, kompaniyalar hukumat idoralari foydalanishadi. Google, Yahoo, Microsoft, Intel, IBM, Sony va boshqa ko‘plab mashhur korporatsiyalar OpenCV kutubxonasidan foydalanadilar va shu kutubxonadan foydalanuvchi ko‘plab amaliy dasturlar bor.
|
| |
