10.14489/vkit.2014.06.pp.009-014

DOI:10.14489/vkit.2014.06.pp.009-014

Горбацевич В. С., Визильтер Ю. В., Желтов С. Ю., Хаин С. А.
АЛГОРИТМЫ ПРЕДОБРАБОТКИ И ПОСТОБРАБОТКИ ДАННЫХ ДЛЯ БИОМЕТРИЧЕСКИХ СИСТЕМ РАСПОЗНАВАНИЯ ЛИЦ
(с. 9-14)

Аннотация. Рассмотрен ряд задач пред- и постобработки данных для биометрических систем персональной идентификации по изображениям лиц. Представлены: автоматическая сегментация области лица методом минимального разреза графа с использованием особых точек для предварительной разметки; алгоритм оценки ракурса наблюдения и построения фронтального изображения лица с применением деформируемой трехмерной модели головы и закрашивания невидимых областей; способ построения и применения мультишаблонов для повышения достоверности распознавания лиц на динамической видео-последовательности; способ нормировки коэффициентов достоверности для представления оператору.

Ключевые слова: распознавание лиц; поиск лиц на изображении; нормировка коэффициента достоверности; сегментация изображений; алгоритм разреза графа; коррекция позы.

Gorbatsevich V. S., Vizilter Yu. V., Zheltov S. Yu., Khain S. A.
PRE-PROCESSING AND POST-PROCESSING ALGORITHMS FOR BIOMETRIC FACE RECOGNITION SYSTEMS
(pp. 9-14)

Abstract. In this paper, we consider some typical pre- and post-processing problems for face recognition biometric systems. Described methods and problems: fast face detection and tracking, graph-cut based automatic face segmentation, face pose estimation and correction with deformable 3D model building and invisible textures reconstruction, face recognition on image sequences using multitemplates, similarity score normalization in semi-automatic recognition applications. For fast face detection and tracking, we purpose original algorithm that uses e.g. “Tracking detectors”. Main idea is using simplified face detectors with hard face size bounds for “tracking by detection”. For skin seg-mentation, we propose fully automatic algorithm that uses graph cut technique. For pre-segmentation, we use special face points (eyes, nose et. al.). Then we corrects pre-segmentation using graph-cut technique with original edge weights. Part three presents our 3D pose estimation algorithm. We use feature points and deformable 3D model for face reconstruction. In addition, we describe original covered parts rebuilding technique based on face symmetry. In section four, we present algorithm for “esthetic” similarity score normalization. This problem is actual for all types of semi-automatic face recognition systems. In last section, we describe how to use image sequences for building multitemplates, and how to use multitemplates for solving identification and verification problems. That can be interesting for any kind of biometric systems that using video stream as input source.

Keywords: Face recognition; Face detection; Similarity score normalization; Image segmentation; Graph cut; Pose correction.

+ - Информация об авторах (About the Authors) Click to collapse

Рус

В. С. Горбацевич, Ю. В. Визильтер,С. Ю. Желтов, С. А. Хаин (ФГУП «Государственный научно-исследовательский институт авиационных систем» ГНЦ РФ, Москва) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

Eng

V. S. Gorbatsevich, Yu. V. Vizilter, S. Yu. Zheltov, S. A. Khain (State Research Institute of Aviation Systems State Scientific Center of Russian Federation, Moscow) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

+ - Библиографический список (References) Click to collapse

Рус

1. Viola P., Jones M. Rapid Object Detection Using a Boosted Cascade of Simple Features // Conference on Computer Vision and Pattern Recognition (CVPR). 2001. Р. 511 – 518.
2. Boykov Yu., Veksler O., Zabih R. Fast Approxi-mate Energy Minimization via Graph Cuts // IEEE Transac-tions on Pattern Analysis and Machine Intelligence. 2001. V. 23, № 11. Р. 1222 – 1239.
3. Rother C., Kolmogorov V., Blake A. GrabCut: Interactive Foreground Extraction Using Iterated Graph Cuts // ACM Transactions on Graphics (SIGGRAPH’04). 2004. Р. 309 – 314.
4. Sharma G., Wu W., Dalal E. N. The CIEDE 2000 Color-Difference Formula: Implementation Notes, Supple-mentary Test Data, and Mathematical Observations // Color Research and Application. 2005. V. 30, № 1. Р. 21 – 30.
5. Горбацевич В. С. Использование элементарных бинарных классификаторов для построения биометриче-ских шаблонов в задаче распознавания лиц // Вестник компьютерных и информационных технологий. 2014. № 5. С. 8 – 13.
6. Визильтер Ю. В., Горбацевич В. С. Локальная нормировка меры сходства и ее влияние на характери-стики биометрического распознавания лиц // Математи-ческие методы распознавания образов (ММРО-15): конф. г. Петрозаводск, 11 – 17 сент. 2011 г. С. 481 – 485.

Eng

1. Viola P., Jones M. (2001). Rapid Object Detection Using a Boosted Cascade of Simple Features. Conference on Computer Vision and Pattern Recognition (CVPR), pp. 511 – 518.
2. Boykov Yu., Veksler O., Zabih R. (2001). Fast ap-proximate energy minimization via graph cuts. IEEE Trans-actions on Pattern Analysis and Machine Intelli-gence, 23(11), pp. 1222-1239. doi: 10.1109/34.969114
3. Rother C., Kolmogorov V., Blake A. (2004). GrabCut: Interactive Foreground Extraction Using Iterated Graph Cuts. ACM Transactions on Graphics (SIGGRAPH’04), pp. 309 – 314.
4. Sharma G., Wu W., Dalal E. N. (2005). The CIEDE 2000 color-difference formula: Implementation notes, sup-plementary test data, and mathematical observations. Color Research and Application, 30(1), pp. 21-30. doi: 10.1002/col.20070
5. Gorbatsevich V. S. (2014). Elemental binary classi-fiers for biometric template construction in face recogni-tion. Vestnik komp'iuternykh i informatsionnykh tekhnologii, (5), pp. 8-13.
6. Vizil'ter Iu. V., Gorbatsevich V. S. (2011). Lokal'naia normirovka mery skhodstva i ee vliianie na kharakteristiki biometricheskogo raspoznavaniia lits. (Local normalization of similarity measure and its influence on the characteristics of biometric face recognition). Matematicheskie metody raspoznavaniia obrazov (MMRO-15): konferentsiia. (Mathematical methods of pattern recog-nition (MMRO-15): conference). City of Petrozavodsk. 11-17 September 2011, pp. 481-485.

+ - Заказать электронную версию статьи (Purchase digital version of a single article) Click to collapse

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 250 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа статьи заполните форму:

{jform=1,doi=10.14489/vkit.2014.06.pp.009-014}

Eng

This article is available in electronic format (PDF).

The cost of a single article is 250 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please fill out the form below:

{jform=2,doi=10.14489/vkit.2014.06.pp.009-014}