Preview

Russian Technological Journal

Расширенный поиск

Модель репринта объекта на изображении

https://doi.org/10.32362/2500-316X-2020-8-3-7-13

Аннотация

Представлена проблематика распознавания (идентификации) лицевых изображений. Показано различие распознавания и идентификации лицевых изображений. Для решения проблемы идентификации разработана модель репринта объекта на изображении. Данная модель решает проблему посредством представления объекта в 3-мерном виде, что позволяет оценить и сформировать необходимые характеристики объекта в полном объеме, тогда как в 2-мерном виде это сделать невозможно. Модель репринта объекта на изображении может использоваться для формирования репринта любых пространственных объектов. Для обучения модели репринта объекта на изображении используется многослойная нейронная сеть, которая обучается последовательно. Для учета допустимых изменений ракурса, различных помех и разных уровней освещенности разработан локальный детектор для модели идентификации лицевых изображений. Бинарное значение, являющееся результатом обработки модели, представляемое как активация, определяет отношение конкретного изображения к соответствующему классу. Локальный детектор является не только основным элементом модели репринта объекта на изображении, но это еще и отдельная математическая конструкция. Он принимает входные данные в качестве двумерных изображений. Разработанная модель репринта объекта на изображении полностью решает проблему идентификации человека по лицевому изображению в целом в условиях помех и независимо от изменения ракурса.

Об авторе

А. А. Куликов
МИРЭА - Российский технологический университет
Россия

Куликов Александр Анатольевич - кандидат технических наук, старший преподаватель кафедры инструментального и прикладного программного обеспечения Института информационных технологий.

119454, Москва, пр-т Вернадского, д. 78.



Список литературы

1. Коротков А. Е., Трифонова Е. Е. Алгоритм расчета расстояния Левенштейна с пороговым значением. Естественные и технические науки. 2012;1:317-322.

2. Куликов А.А., Демкин Д.В., Мелков А.Е. Анализ влияния максимальной степени сжатия изображения лица на результат распознавания лица. Перспективы науки. 2014;3(54):104-108.

3. Камышинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия - Телеком, 2002. 94 с. ISBN 5-93517-094-9

4. Хайкин С. Нейронные сети: полный курс: пер с англ. М.: Вильямс, 2008. 1104 с. ISBN 978-5-8459-0890-2

5. Брилюк Д.В., Старовойтов В.В. Распознавание человека по изображению лица и нейросетевые методы: обзорный препринт. Минск: Ин-т техн. кибернетики НАН Беларуси, 2001. 54 с.

6. Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах: учебн. пособие для ВУЗов. Киев: Издательский дом "Слово", 2008. 344 с.

7. Старовойтов В.В. Локальные геометрические методы цифровой обработки и анализа изображений. Минск: Ин-т техн. кибернетики НАН Беларуси, 1997. 284 с.

8. Куликов А.А. Алгоритм нейронной сети NEFClass M и реализация алгоритма в среде Matlab. Информационные технологии моделирования и управления. 2013;3(81):262-268.

9. Куликов А.А. Система автоматической идентификации изображения лица персоны по видеоизображению. Материалы межвуз. студен. науч.-практ. конф. Карьера и образование - 2013. М.: Изд-во МГОУ имени В.С. Черномырдина, 2013. С. 99-100.

10. Балдин А.В., Елисеев Д.В. Адаптируемая модель данных на основе многомерного пространства. Наука и образование: [электронный журнал]. 2010. № 10. http://technomag.edu.ru/doc/161410.html

11. Елисеев Д.В., Балдин А.В. Алгебра многомерных матриц для обработки адаптируемой модели данных. Наука и образование: [электронный журнал]. 2011. № 7. http://technomag.edu.ru/doc/199561.html

12. Korotkov A. Database index for approximate string matching. In: Proc. 4th Spring/Summer Young Researchers' Colloquium on Software Engineering. SYRCoSE '10. 2010. P. 136-140. https://doi.org/10.15514/syrcose-2010-4-27

13. Etemad K., Chellapa R. Discriminant Analysis for Recognition of Human Face Images. J. Opt. Soc. Am. А. 1997;14(8):1724-1733. https://doi.org/10.1364/JOSAA.14.001724


Дополнительные файлы

1. Для решения проблемы идентификации разработана модель репринта объекта на изображении. Данная модель решает проблему посредством представления объекта в 3-мерном виде, что позволяет оценить и сформировать необходимые характеристики объекта в полном объеме, тогда как в 2-мерном виде это сделать невозможно. Разработанная модель репринта объекта на изображении полностью решает проблему идентификации человека по лицевому изображению в целом в условиях помех и независимо от изменения ракурса.
Тема
Тип Исследовательские инструменты
Посмотреть (36KB)    
Метаданные ▾

Для решения проблемы идентификации разработана модель репринта объекта на изображении. Данная модель решает проблему посредством представления объекта в 3-мерном виде, что позволяет оценить и сформировать необходимые характеристики объекта в полном объеме, тогда как в 2-мерном виде это сделать невозможно.

Разработанная модель репринта объекта на изображении полностью решает проблему идентификации человека по лицевому изображению в целом в условиях помех и независимо от изменения ракурса.

Рецензия

Для цитирования:


Куликов А.А. Модель репринта объекта на изображении. Russian Technological Journal. 2020;8(3):7-13. https://doi.org/10.32362/2500-316X-2020-8-3-7-13

For citation:


Kulikov A.A. The model is a reprint of an object in the image. Russian Technological Journal. 2020;8(3):7-13. (In Russ.) https://doi.org/10.32362/2500-316X-2020-8-3-7-13

Просмотров: 703


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2782-3210 (Print)
ISSN 2500-316X (Online)