Выбор признаков в задаче идентификации сложного объекта

УДК 004.9(06) Автоматизированные системы обработки информации и управления
В.Л. ТОКАРЕВ, К.А. КОТОВ
Тульский Государственный университет
ВЫБОР ПРИЗНАКОВ В ЗАДАЧЕ ИДЕНТИФИКАЦИИ СЛОЖНОГО ОБЪЕКТА
Предложено решение проблемы выбора, хранения и работы с характеристическими признаками в задаче распознавания и идентификации сложного объекта.
В настоящее время одной из наиболее сложных задач, которую приходится решать при построении систем распознавания сложных образов, является задача выбора признаков, по которым будет производиться
классификация объекта наблюдения. Под распознаванием сложных образов понимается распознавание малоразличимых объектов, у признаков которых отсутствуют значения, позволяющие с высокой степенью
доверия отнести объект к определённому классу. В классическом виде классификация образов заключается
в отображении пространства признаков, вычисляемых по наблюдаемому изображению, в пространство решений. Однако для сложных объектов такая концепция распознавания малоэффективна. При распознавании
таких объектов целесообразно учитывать не только значения признаков, но и зависимости отношений между ними. С этой целью для каждого распознаваемого объекта можно хранить функцию, аргументами которой являются аналогичные характеристики всех признаков объекта, например, их амплитуды.
Задача отбора и упорядочивания признаков трудно формализуема. Основными критериями отбора и
упорядочения признаков, являются критерии, ориентированные на прикладную область, в рамках которой и
производиться распознавание.
В докладе рассматривается частная задача распознавания сложных объектов – идентификация личности
человека по цифровому изображению. В качестве априорной информации предполагается использование
базы данных, хранящей векторы признаков, полученных с эталонных изображений в двух плоскостях. Задача распознавания заключается в отображении полученных признаков объекта в признаки на указанных областях с последующим их сравнением. Основную проблему здесь представляет преобразование полученных
признаков и формирование решающего правила, позволяющего с высокой вероятностью идентифицировать
объект.
В качестве изображения, по которому будет производиться распознавание личности, может выступать
изображение, полученное цифровыми средствами видео и фотосъёмки, а также оцифрованные варианты
аналоговых изображений. Причём исходная информация часто содержит снимок распознаваемого лица под
произвольным ракурсом.
В докладе представлен метод, позволяющий получать вектор признаков по цифровому изображению, а
также отображать его в области признаков эталонов, для последующей классификации объекта на общем
пространстве признаков.
Метод состоит в последовательном выполнении следующих этапов:
1. Определение точки отсчёта, за которую в большинстве случаев целесообразно принять геометрический центр контура лица.
2. Получение набора количественных данных, характеризующих маску лица, и их нормирование. Данные
получаются в результате пересечения лучей, исходящих из точки отсчёта, с контуром распознаваемого объекта.
3. Определение ракурса классифицируемого изображения, путем отображения полученного вектора признаков в два пространства признаков эталона Y  B1 , B2 .
b1  P1 ( y , r ) - векторы признаков в пространстве признаков эталона. r – вектор данных описываb2  P2 ( y , r )
ющий ракурс изображения, P1 и P2 – операторы отображения.
4. Сравнение изображения с эталонами из базы данных, и определение вероятности соответствия распознаваемого изображения эталонным.
l
d 
arg min( Q(b, b
T
i
)) , где d – объект распознавания (конкретная личность из базы данных),
i 1
Q(b, biT ) – метрика, позволяющая сравнивать векторы признаков идентифициро-ванного объекта с векто-
рами признаков эталона, l - количество эталонов. Методы распознавания по различной информации о признаках описаны в [1].
Описанный метод получения и отображения вектора признаков распознаваемого изображения, предоставляет системе идентификации личности адаптированные данные, на основе которых возможно построение широкого спектра классификаторов, что позволит значительно минимизировать риски ошибочного распознавания объектов.
Список литературы
1. Горелик А.Л.,Скрипкин В.А., Методы распознавания // М.: Высш. шк., 2004. - 261с.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 13
1