МЕТОДЫ ЦЕЛОСТНОГО ПРЕОБРАЗОВАНИЯ ИЗОБРАЖЕНИЙ ПРИ АУТЕНТИФИКАЦИИ ЧЕЛОВЕКА ПО ТЕРМОГРАММЕ ЛИЦА

Никита И. Белов

Аннотация


Цель работы. Данное исследование проведено для изучения применимости методов целостного преобразования изображений к задаче аутентификации личности человека по термографическому изображению его лица. Предмет исследования. Данная работа включает исследование методов целостного преобразования изображений применительно к задаче аутентификации человека по термографическому снимку его лица. Собраны наборы данных изображений лиц в дальнем инфракрасном диапазоне (LWIR). Новизна исследования состоит в особенностях набора данных изображений, собранных в реальных условиях, оказывающих влияние на качество аутентификации, таких как мимика, ношение очков или медицинской маски, нанесение грима/косметики, различная освещенность и температурные условия окружающей среды, повороты головы. Методы. Исследуемые методы основаны на построении и выделении признаков изображения при сокращении размерности и преобразовании изображения в другую форму представления. Методы применяются при решении задачи выделения признаков на изображениях, при аутентификации по 2D-изображению лица и при решении других задач компьютерного зрения. В данной статье рассматриваются классические методы целостного преобразования изображений: анализ главных компонент, анализ главных компонент с применением ядра, анализ линейного дескриптора, анализ независимых компонент, усеченное сингулярное разложение, дискретное косинусное преобразование. В качестве меры близости изображений используется евклидово расстояние между векторами признаков изображения. Основные результаты. Тестирование методов было выполнено на наборе термограмм, состоящем из 632 тысяч изображений лиц 158 человек. В качестве метрики для оценки качества сопоставления выбранных методов использована F-мера. В результате проведенного эксперимента, метод анализа независимых компонент показал наиболее высокие значения метрики F-меры – 0,72. Практическая значимость. Результаты работы могут найти применения в системах управления и контроля доступом для повышения отказоустойчивости аутентификации лиц. Использование рассмотренных методов эффективно в задачах обработки термографических снимков для аутентификации человека по вторичным признакам, в частности по рисунку его вен и сосудов на лице, в случаях изменения мимики и внешности по средству нанесения грима и носимых аксессуаров.


Ключевые слова


компьютерное зрение, алгоритм аутентификации, термограмма лица, методы целостного преобразования, анализ главных компонент, анализ линейного дескриптора, анализ независимых компонент, усеченное сингулярное разложение, дискретное косинусное преобразование.

Полный текст:

PDF

Литература


1. Zhao W., Chellappa R., Phillips P.J. and Rosenfeld A. Face recognition: A literature survey. ACM Comput. Surv. 2003, vol. 35, issue 4, p. 399–458. DOI: https://doi.org/10.1145/954339.954342.

2. Кузнецов Д.А., Дамм В.А., Кузнецов А.В., Трегубов Р.Б. Сравнительный анализ популярных методов распознавания лиц на изображениях. Научный результат. Информационные технологии. 2019, № 4,
с. 3–9. URL: https://cyberleninka.ru/article/n/sravnitelnyy-analiz-populyarnyh-metodov-raspoznavaniya-lits-na-izobrazheniyah (дата обращения: 25.07.2022).

3. Jain A.K., Ross A. and Prabhakar S. An introduction to biometric recognition. IEEE Transactions on Circuits and Systems for Video Technology. 2004, vol. 14, no. 1, p. 4–20.
DOI: https://doi.org/10.1109/TCSVT.2003.818349.

4. Bendada A. and Akhloufi M.A. Multispectral Face Recognition in Texture Space. Canadian Conference on Computer and Robot Vision. 2010, p. 101–106. DOI: https://doi.org/10.1109/CRV.2010.20.

5. Méndez, H., Martín, C.S., Kittler, J., Plasencia, Y., García-Reyes, E. (2009). Face Recognition with LWIR Imagery Using Local Binary Patterns. In: Tistarelli, M., Nixon, M.S. (eds) Advances in Biometrics. ICB 2009. Lecture Notes in Computer Science, vol 5558. Springer, Berlin, Heidelberg.
DOI: https://doi.org/10.1007/978-3-642-01793-3_34.

6. Nikisins O., Nasrollahi K., Greitans M. and Moeslund T.B. RGB-D-T Based Face Recognition. 22nd International Conference on Pattern Recognition. 2014, p. 1716–1721.
DOI: https://doi.org/10.1109/ICPR.2014.302.

7. Bebis George et al. Face recognition by fusing thermal infrared and visible imagery. Image and Vision Computing 24.7 (2006):
p. 727–742. DOI: https://doi.org/10.1016/j.imavis.2006.01.017.

8. Palm R.B. Prediction as a candidate for learning deep hierarchical models of data. 2012.
URL: http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284 (дата обращения: 06.08.2022)

9. Kaur R. and Himanshi E. Face recognition using Principal Component Analysis. IEEE International Advance Computing Conference (IACC). 2015, p. 585–589.
DOI: https://doi.org/10.1109/IADCC.2015.7154774.

10. Huang G.H., Shao H.H. Kernel Principal Component Analysis and Application in Face Recognition. Computer Engineering, Shanghai, 2004.
URL: https://www.semanticscholar.org/paper/Kernel-Principal-Component-Analysis-and-Application-Hui-he/61221c884c40f2176c61f5b303222bd0a65b425b (дата обращения: 06.08.2022).

11. Xiaogang wang and Xiaoou Tang: Random Sampling for Subspace Face Recognition. International Journal of Computer Vision 70, p. 91–104, 2006.
URL: https://mmlab.ie.cuhk.edu.hk/pdf/wangTijcv06.pdf (дата обращения: 10.08.2022).

12. Turk M.A. and Pentland A.P. Face recognition using eigenfaces Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 1991, p. 586–591.
DOI: https://doi.org/10.1109/CVPR.1991.139758.

13. Loeffler C., Ligtenberg A. and Moschytz G.S. Practical fast 1-D DCT algorithms with 11 multiplications. International Conference on Acoustics, Speech, and Signal Processing. 1989, vol. 2, p. 988–991. DOI: https://doi.org/10.1109/ICASSP.1989.266596.

14. Ahmed N., Natarajan T. and Rao K.R. Discrete Cosine Transform. IEEE Transactions on Computers. 1974,
vol. C-23, no. 1, p. 90-93. DOI: https://doi.org/10.1109/T-C.1974.223784.

15. Белов Н.И., Ермак М.А., Дубинич Е.А., Кузнецов А.Ю. Методы выделения локальных признаков лица на изображении при аутентификации человека по термограмме. Научно-технический вестник информационных технологий, механики и оптики. 2022, т. 22, № 2(138), с. 279–286.
DOI: https://doi.org/10.17586/2226-1494-2022-22-2-279-286. – EDN JFLCZJ.




DOI: http://dx.doi.org/10.26583/bit.2022.3.04

Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.