350 руб
Журнал «Нелинейный мир» №8 за 2014 г.
Статья в номере:
Разработка и анализ алгоритма распознавания лиц на основе локальных квантованных шаблонов
Ключевые слова: распознавание лиц локальные бинарные шаблоны локальные квантованные шаблоны алгоритмы кластеризации
Авторы:
А.Е. Никитин - аспирант, Ярославский государственный университет им. П.Г. Демидова. E-mail: anatolynikitinyar@gmail.com В.В. Хрящев - к.т.н., доцент, Ярославский государственный университет им. П.Г. Демидова. E-mail: vhr@yandex.ru А.Л. Приоров - д.т.н., доцент, Ярославский государственный университет им. П.Г. Демидова. E-mail: andcat@yandex.ru Д.В. Матвеев - аспирант, Ярославский государственный университет им. П.Г. Демидова. E-mail: dcslab@uniyar.ac.ru
Аннотация:
Предложена методика, сокращающая размерность пространства признаков изображения при помощи процедуры кластеризации. Проведен сравнительный анализ разработанного алгоритма на основе локальных квантованных шаблонов и других известных алгоритмов распознавания лиц на унифицированных тестовых базах. Исследована зависимость качества работы алгоритмов распознавания от числа классов в базе изображений.
Страницы: 35-42
Список источников

  1. Zhao W., Chellappa R., Phillips P., Rosenfeld A. Face recognition: A literature survey // ACM Computing Surveys (CSUR). 2003. V. 35. № 4. P. 399-458.
  2. Szeliski R. Computer Vision: Algorithms and Applications. Springer. 2010. 832 p.
  3. Приоров А.Л., Игнатов И.С., Голубев М.Н., Хрящев В.В. Разработка и анализ алгоритмов выделения лиц на изображениях // Проектирование и технология электронных средств. 2008. № 2. С. 58-62.
  4. Шмаглит Л.А., Приоров А.Л., Хрящев В.В., Матвеев Д.В. Детектирование лиц на изображениях в условиях аддитивного белого гауссовского шума // Электромагнитные волны и электронные системы. 2014. Т. 19. № 5. С. 62-70.
  5. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. М.: Наука. 1978. № 33. С. 5-68.
  6. Kanade T.Picture processing system by computer complex and recognition of human faces. PhD thesis, Kyoto University. 1973.
  7. Brunelli R., Poggio T.Face recognition through Geometrical Features // European Conference on Computer Vision (ECCV). 1992. P. 792-800.
  8. Turk M., Pentland A.Eigenfaces for recognition // Journal of Cognitive Neuroscience. №3. 1991. P. 71-86.
  9. Belhumeur P.N., Hespanha J., Kriegman D.Eigenfaces vs Fisherfaces: recognition using class specific linear projection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. V. 19. P. 711-720.
  10. Wiskott L., Fellous J., Krüger N., Malsburg C.Face recognition by elastic bunch graph matching // IEEE Transactions on Pattern Analysis and Machine Intelligence. № 3. V. 19. 1997. P. 775-779.
  11. Messer K., Kittler J., Short J.Performance characterization of face recognition algorithms and their sensitivity to severe illumination changes // International Conference on Biometrics (ICB). 2006. P. 1-11.
  12. Ojala T., Pietikäinen M., Harwood D. Performance evaluation of texture measures with classification based on Kullback discrimination of distributions // 12th IAPR International Conference on Pattern Recognition (ICPR). 1994. V. 1. P. 582-585.
  13. Ahonen T., Hadid A., Pietikäinen M.Face recognition with local binary patterns // European Conference on Computer Vision (ECCV). 2004. P. 469-481.
  14. Huang D., Shan C., Ardabilian M., Wang Y., Chen L.Local binary patterns and its application to facial image analysis: a survey // IEEE transactions on systems, man, and cybernetics - part C: applications and reviews. 2011. V. 41. № 6. P. 765-781.
  15. Петрук В.И., Самородов А.В., Спиридонов И.Н. Применение локальных бинарных шаблонов к решению задачи распознавания лиц // Вестник Московского государственного технического университета им. Н.Э. Баумана. Сер. Приборостроение. 2011. Спец. вып. Биометрические технологии. С. 58-63.
  16. Hussain S., Triggs B. Visual recognition using Local Quantized Patterns // European Conference on Computer Vision (ECCV). 2012. P. 716-729.
  17. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988. 176 с.
  18. MacQueen J.B. Some methods for classification and analysis of multivariate observations // 5th Berkeley Symposium on mathematical statistics and probability. University of California Press. 1967. P. 281-297.
  19. Hsu C.-W., Lin C.-J. A comparison of methods for multi-class support vector machines // IEEE Transactions on Neural Networks. 2002. V. 13. P. 415-425.
  20. Duan K.B., Keerthi S.S. Which is the best Multiclass SVM method - An empirical study // Multiple Classifier Systems. Lecture Notes in Computer Science 3541. 2005. P. 278-285.
  21. The Database of Faces, AT&T Laboratories Cambridge. http://www.cl.cam.ac.uk/research/dtg/attarchive/facedatabase.html.
  22. Open Source Computer Vision Library (OpenCV). http://opencv.org.