|
Dominant tasniflash xususiyatlarini aniqlash va yuz ifodasi tasvirlarining matematik modelini ishlab chiqish Maqsadi
|
| Sana | 15.03.2023 | | Hajmi | 19.4 Kb. | | #45516 |
Bog'liq Dominant tasniflash xususiyatlarini aniqlash va yuz ifodasi tasvirlarining matematik modelini ishlab chiqish Р. Р. Ибраимов “Система с двумя объектами”, The Mobilization State, Microsoft Word Document, 6-laboratoriya variant, БЖД практика, Microsoft Word Document, Ikramov, Fizika sirtqi II qism, мехатроника, амалиеттитул, Презентация-Microsoft-PowerPoint, 2-MA\'RUZA, 9-sinf Sinf soati, 1 Xorijiy investitsiyalar iqtisodiy mazmuni, Amaliy topshiriq
Dominant tasniflash xususiyatlarini aniqlash va yuz ifodasi tasvirlarining matematik modelini ishlab chiqish
Maqsadi
Lokalizatsiya ob'ekti tasnifining dominant xususiyatlarini aniqlang va yuz ifodasi tasvirlarini tahlil qilishning matematik modelini ishlab chiqing.
Vazifalar
Yuzni lokalizatsiya qilish usullarini izlash va tahlil qilish, dominant tasniflash xususiyatlarini aniqlash, yuz ifodalarining harakatini tanib olish vazifasi uchun optimal bo'lgan matematik modelni ishlab chiqish.
Mavzu
Tadqiqotning oldingi bosqichida amalga oshirilgan ma'lum bir tasvir sinfida ko'zga ko'ringan ob'ektlarni qurish uchun optimal rang maydonini aniqlashdan tashqari, tasniflashning dominant xususiyatlarini aniqlash va yuz ifodasi tasvirlarining matematik modelini ishlab chiqish. ham muhim rol o‘ynaydi.
Ushbu muammoni hal qilish uchun, birinchi navbatda, tizimga videokamera orqali yuzni aniqlash vazifasini o'zgartirish xususiyatlarini o'rnatish, so'ngra lablar harakatini mahalliylashtirishni amalga oshirish kerak.
Birinchi vazifaga kelsak, ularning ikkita turini ajratish kerak:
• Yuzni lokalizatsiya qilish;
• Yuzni kuzatish [1].
Biz yuzni aniqlash algoritmini ishlab chiqish vazifasiga duch kelganimiz sababli, ushbu tizimdan boshini juda faol harakatga keltirmaydigan bitta foydalanuvchi foydalanadi, deb taxmin qilish mantiqan to'g'ri. Shuning uchun, lablar harakatini aniqlash texnologiyasini amalga oshirish uchun tasvirda bitta va faqat bitta yuz mavjud bo'lgan aniqlash muammosining soddalashtirilgan versiyasini asos qilib olish kerak.
Va bu shuni anglatadiki, yuzni qidirish nisbatan kamdan-kam hollarda amalga oshirilishi mumkin (taxminan 10 kvadrat / sek yoki undan ham kamroq). Shu bilan birga, suhbat davomida ma'ruzachining lablari harakati juda faol, shuning uchun ularning konturini ko'proq intensivlik bilan baholash kerak.
Tasvirdagi yuzni topish vazifasi mavjud vositalar yordamida hal qilinishi mumkin. Bugungi kunda tasvirdagi yuzni aniqlash va lokalizatsiya qilishning bir necha usullari mavjud, ularni 2 toifaga bo'lish mumkin:
1. Empirik tan olish;
2. Yuz tasvirini modellashtirish. [2].
Birinchi toifa yuz tasvirlarining invariant xususiyatlariga asoslangan yuqoridan pastga tanib olish usullarini o'z ichiga oladi, bunda tasvirda suratga olish sharoitlariga nisbatan o'zgarmas bo'lgan yuzlar mavjudligining ba'zi belgilari mavjud degan taxminga asoslanadi. Ushbu usullarni 2 kichik toifaga bo'lish mumkin:
1.1. Yuz tasviriga xos bo'lgan elementlar va xususiyatlarni (xususiyatlarni) aniqlash (qirralari, yorqinligi, rangi, yuz xususiyatlarining xarakterli shakli va boshqalar) [3], [4].;
1.2. Aniqlangan xususiyatlarni tahlil qilish, yuzlarning soni va joylashuvi bo'yicha qaror qabul qilish (empirik algoritm, xususiyatlarning nisbiy joylashuvi statistikasi, vizual tasvirlar jarayonlarini modellashtirish, qattiq va deformatsiyalanuvchi shablonlardan foydalanish va boshqalar) [5] , [6].
Algoritmning to'g'ri ishlashi uchun keyingi testlar bilan yuz xususiyatlarining ma'lumotlar bazasini yaratish kerak. Empirik usullarni aniqroq amalga oshirish uchun yuzni o'zgartirish imkoniyatlarini hisobga olishga imkon beruvchi modellardan foydalanish mumkin va shuning uchun tanib olish uchun kengaytirilgan asosiy ma'lumotlar to'plamiga yoki asosiy elementlar bo'yicha transformatsiyani modellashtirishga imkon beruvchi mexanizmga ega. . Individual xususiyatlarga, yuz xususiyatlariga va boshqalarga ega bo'lgan foydalanuvchilarning keng doirasiga yo'naltirilgan klassifikator ma'lumotlar bazasini yaratishdagi qiyinchiliklar ushbu usulning tan olinishi aniqligini pasayishiga yordam beradi.
Ikkinchi toifaga matematik statistika va mashinani o'rganish usullari kiradi. Ushbu turkumdagi usullar yuzni aniqlash muammosini tanib olish muammosining alohida holati sifatida ko'rib, tasvirni aniqlash vositalariga asoslangan. Tasvirga ma'lum bir xususiyat vektori tayinlangan, u tasvirlarni ikki sinfga ajratish uchun ishlatiladi: yuz / yuzsiz. Xususiyat vektorini olishning eng keng tarqalgan usuli bu tasvirning o'zidan foydalanishdir: har bir piksel vektorning tarkibiy qismiga aylanadi, n × m tasvirni bo'shliq vektoriga R ^ (n × m) aylantiradi, bu erda n va m musbat butun sonlardir. . [7]. Ushbu vakillikning kamchiliklari xususiyat maydonining juda yuqori o'lchamidir. Ushbu usulning afzalligi - inson ishtiroki tasniflagichini yaratishning butun protsedurasidan chiqarib tashlash, shuningdek, tizimning o'zini ma'lum bir foydalanuvchi uchun o'qitish imkoniyati. Shu sababli, yuzni lokalizatsiya qilishning matematik modelini yaratish uchun tasvirni modellashtirish usullaridan foydalanish muammomizni hal qilish uchun maqbuldir.
Yuz profilini segmentlash va lablar nuqtalarining o'rnini ramkalar ketma-ketligida kuzatishga kelsak, bu muammoni hal qilish uchun matematik modellashtirish usullaridan ham foydalanish kerak. Mimika harakatini aniqlashning bir necha usullari mavjud, ulardan eng mashhurlari faol kontur modellariga asoslangan matematik modeldan foydalanishdir:
Faol kontur modellarining matematik modeli asosida yuz ifodalari maydonini lokalizatsiya qilish
Faol kontur (ilon) - bu deformatsiyalanadigan model bo'lib, uning shabloni parametrik egri chiziq shaklida o'rnatiladi, kirish tasviridagi ochiq yoki yopiq egri chiziqda joylashgan nazorat nuqtalari to'plami tomonidan qo'lda ishga tushiriladi.
Faol konturni yuz ifodalari tasviriga moslashtirish uchun o'rganilayotgan ob'ektning tegishli binarizatsiyasini, ya'ni uni raqamli rastrli tasvirlarning bir turiga aylantirishni amalga oshirish kerak, so'ngra uning parametrlarini mos ravishda baholash kerak. faol kontur va xususiyat vektorini hisoblash amalga oshirilishi kerak.
Faol kontur modeli quyidagicha aniqlanadi:
• N nuqtalar to'plami;
• Qiziqarli energiyaning ichki hududlari (ichki elastik energiya atamasi);
• Qiziqishning tashqi energiya hududlari (tashqi chekkaga asoslangan energiya atamasi).
Tanib olish sifatini yaxshilash uchun ikkita rang sinfi ajralib turadi - teri va lablar. Rang sinfiga a'zolik funktsiyasi 0 dan 1 gacha bo'lgan qiymatga ega.
Faol kontur modeli (ilon) tenglamasi v(s) formulasi bilan ifodalanadi:
Bu erda E - ilonning energiyasi (faol kontur modeli). Birinchi ikkita atama faol kontur modelining (ilon) muntazamlik energiyasini tavsiflaydi. Bizning qutbli koordinatalar sistemamizda v(s) = [r(s), th(s)], s 0 dan 1 gacha. Uchinchi atama tasvirdan olingan tashqi kuch bilan bog'liq energiya, to'rtinchisi - bosim kuchi.
Tashqi kuch yuqorida tavsiflangan xususiyatlar asosida aniqlanadi. U nazorat nuqtalarini ma'lum bir intensivlik qiymatiga o'tkazishga qodir. U quyidagicha hisoblanadi:
Gradient multiplikatori (hosilasi) mos keladigan radial chiziq bo'ylab serpantin nuqtalarida hisoblanadi. Agar gradient salbiy bo'lsa, kuch kuchayadi va aks holda kamayadi. Gradient oldidagi koeffitsient tasvirning topologiyasiga bog'liq bo'lgan tortish omilidir. Siqilish kuchi shunchaki doimiy, minimal og'irlik koeffitsientining ½ qismi ishlatiladi. Eng yaxshi ilon shakli ma'lum miqdordagi iteratsiyadan so'ng funktsional energiyani minimallashtirish orqali olinadi.
Keling, tasvirni qayta ishlashning asosiy operatsiyalarini batafsil ko'rib chiqaylik. Oddiylik uchun, biz allaqachon ma'ruzachining og'zining maydonini qandaydir tarzda tanlab oldik deb faraz qilaylik. Bunday holda, biz bajarishimiz kerak bo'lgan natijada tasvirni qayta ishlash bo'yicha asosiy operatsiyalar rasmda ko'rsatilgan. 3.
Xulosa
Tadqiqot ishi jarayonida tasvir tasnifining dominant xususiyatlarini aniqlash uchun videokamera orqali yuzni aniqlash vazifasini o'zgartirish xususiyatlari aniqlandi. Yuzni lokalizatsiya qilish va o'rganilayotgan mimika maydonini aniqlashning barcha usullari orasida mobil qurilmalar uchun universal tanib olish tizimini yaratish vazifalari uchun eng mos bo'lgan usullar yuz tasvirini modellashtirishdir.
Mimika harakati tasvirlarining matematik modelini ishlab chiqish o'rganilayotgan ob'ektni binarizatsiya qilishning faol kontur modellari tizimiga asoslanadi. Ushbu matematik model rang maydonini RGB dan YCbCr rang modeliga o'zgartirgandan so'ng, faol kontur modellari asosida keyingi tahlil qilish va tasvirning tegishli iteratsiyasidan so'ng yuz ifodalarining aniq chegaralarini aniqlash uchun qiziqish ob'ektini samarali o'zgartirishga imkon beradi.
Foydalanilgan manbalar ro'yxati
1. Вежневец В., Дягтерева А. Обнаружение и локализация лица на изображении. CGM Journal, 2003
2. Там же.
3. E. Hjelmas and B.K. Low, Face detection: A survey, Journal of Computer vision and image understanding, vol.83, pp. 236-274, 2001.
4. G. Yang and T.S. Huang, Human face detection in complex background, Pattern recognition, vol.27, no.1, pp.53-63, 1994
5. K. Sobottka and I. Pitas, A novel method for automatic face segmentation, facial feature extraction and tracking, Signal processing: Image communication, Vol. 12, №3, pp. 263-281, June, 1998
6. F. Smeraldi, O. Cormona, and J.Big.un., Saccadic search with Gabor features applied to eye detection and real-time head tracking, Image Vision Comput. 18, pp. 323-329, 200
7. Гомозов А.А., Крюков А.Ф. Анализ эмпирических и математических алгоритмов распознавания человеческого лица. Network-journal. Московский энергетический институт (Технический университет). №1 (18), 2011
https://habr.com/ru/post/229817/
|
| |
