Применение систем идентификации изображений

Распознавание, классификация и идентификация изображений — одно из наиболее актуальных направлений исследования теоретической информатики. Тематика распознавания имеет приложения во многих областях научных, технических, промышленных исследований, а также в области компьютерных и производственных технологий.

Идентификация личности по фотографии

Идентификация человека по изображению лица (рисунок 1) является одной из самых актуальных технологий компьютерного зрения благодаря востребованности в области систем безопасности и поиска фотографий в сети Интернет.

Список применений включает в себя:

• — Определение личности по фотографии (например, сравнение фотографии человека с базой преступников)
• — Контроль доступа на охраняемые объекты
• — Подтверждение личности по биометрическому паспорту
• — Поиск человека в видеоархиве системы видеонаблюдения
• — Автоматическая аннотация людей на фотографиях и в видео в социальных сетях.

Различают два сценария работы алгоритма идентификации:

• — На вход алгоритму подается изображение неизвестного человека (называемое «тестовым изображением»), и галерея изображений известных людей. Требуется определить, присутствует ли человек с тестового изображения в галерее, и если да — то определить его личность.
• — На вход подается два изображения — одно тестовое и одно известного человека (например, фотография из биометрического паспорта), которые необходимо сравнить друг с другом и определить, запечатлен ли на них один и то же человек, или это два разных человека. Данный сценарий называется «верификацией» или «подтверждением личности».

В целом оба сценария сводятся друг к другу. Однако в зависимости от используемого сценария зачастую накладываются различные требования к алгоритму идентификации.

Большинство алгоритмов идентификации человека по лицу имеют одинаковую схему работы:

• — Выделение лица человека на изображении (Face Detection)
• — Выделение антропометрических точек на лице (Facial Features Detection). Чаще всего на этом этапе ограничиваются выделением глаз человека.
• — Нормализация изображения лица, включающая в себя приведение лица к стандартному размеру, устранение наклона головы и коррекция цвета лица. (Face normalization)
• — Вычисление дескриптора лица. В отличие от широко распространённого представления об устройстве алгоритмов идентификации, расстояния между разными антропометрическими точками на лице человека используется редко. Вместо расстояний вычисляются специальные локальные признаки, характеризующие, например, текстуру определенных областей на лице. (Feature extraction and descriptor computation)
• — Сравнение дескрипторов разных лиц (Verification)

Часто все шаги алгоритма, начинающиеся с подачи фотографии на вход и заканчивающиеся вычислением дескриптора, в совокупности называют «Enrollment», понимая под этим занесение нового изображения в базу.

Таким образом, алгоритм идентификации состоит из нескольких последовательно применяемых алгоритмов, и общая точность идентификации зависит от точности работы каждого этапа. Технические детали реализации каждого шага обычно являются коммерческой тайной компаний, и если и описываются, то лишь в очень общем виде.

Основными характеристиками алгоритмов идентификации являются скорость вычисления дескриптора, время сравнения дескрипторов и точность идентификации.

Точность идентификации зависит от многих факторов: разрешения изображения (точнее размера лица на изображении), ракурса съёмки (фронтальный или под углом), освещения, мимики, четкости изображения, размера галереи. В некоторых идеальных условиях точность распознавания может быть даже выше, чем у человека, и достигать точности идентификации по радужке глаза, но в большинстве случаев она значительно ниже, что пока исключает некоторые возможные применения.