Научно-исследовательский и испытательный центр биометрической техники МГТУ им. Н.Э. Баумана

1. СОЗДАНИЕ И ИСПЫТАНИЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА ДЛЯ ИНТЕГРИРОВАННЫХ АВТОМАТИЗИРОВАННЫХ СИСТЕМ БЕЗОПАСНОСТИ А.В. Самородов, И.Н. Спиридонов Научно-исследовательский и испытательный центр биометрической техники МГТУ им. Н.Э. Баумана ИНФОФОРУМ – ЕВРАЗИЯ Секция «Безопасный город» 9 июня 2011г.

2. ПРЕДПОСЫЛКИ К СОЗДАНИЮ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА: ДАННЫЕ НЕЙРОФИЗИОЛОГИИ Учеловека существует особый механизм распознавания лиц, отличный от механизма распознавания других объектов. Задняя верхняя височная борозда (posterior STS) Область в латеральной затылочной коре (LO-faces) Веретенообразная область лица (FFA ) Kanwisher N.etal. The fusiform face area: a module in human extrastriate cortex specialized for face perception //J. Neurosci., June 1, 1997, 17(11):4302-4311. Grill-Spector K. et al. The fusiform face area subserves face perception, not generic within-category identification //Nat. Neurosci., 2004, 7:555-562.

3. ФОРМИРОВАНИЕ БИОМЕТРИЧЕСКОГО ШАБЛОНА • Сбор данных • Интенсивности элементов нормализованного изображения лица • Результат свертки с фильтрами Габора • Выделение признаков • Холические алгоритмы, основанные на преобразованиях снижения размерности • Локальные алгоритмы, основанные на локализации контрольных точек

4. ПРИМЕНЕНИЕ ПРЕОБРАЗОВАНИЯ ГАБОРА ДЛЯ СБОРА ДАННЫХ (Granlund, 1978): Обобщение функций Габора для двухмерного случая. (Daugman, 1980): Двумерные функции Габора описывают рецептивные поля простых нейронов стриальной коры (Okajima, 1998): Двумерные функции Габора обеспечивают извлечение максимума информации из локальных областей изображения , , • Стратегии применения преобразования Габора: • масштабирования, • локализации, • независимых каналов, • независимых областей, • иерархии. (Mutelo, 2008): двумерный габоровский дискриминант Фишера (2DGFD)

5. ХОЛИЧЕСКИЕ АЛГОРИТМЫ ФОРМИРОВАНИЯ БИОМЕТРИЧЕСКОГО ШАБЛОНА • Энергия разности двух изображений лиц: • Межиндивидуальные отличия, I • Внутрииндивидуальные отличия (освещение, ракурс, выражение лица и пр.), T • Шум, N Главное подпространство Главное подпространство Главное подпространство Комплементарное подпространство Комплементарное подпространство Комплементарное подпространство Энергия Энергия Энергия Собственные вектора Собственные вектора Собственные вектора Межклассовые подпространства (МГК ) Внутриклассовые подпространства Подпространства ЛДА

6. ЛОКАЛЬНЫЕ АЛГОРИТМЫ ФОРМИРОВАНИЯ БИОМЕТИЧЕСКОГО ШАБЛОНА • Формирование пространства признаков: • локализация контрольных точек на изображении лица, • формирование вектора признаков на основе их взаимного расположения или локальных свойств изображения лица в окрестностях контрольных точек. Погрешность локализации контрольных точек лица Алгоритмы, основанные на локальных признаках (контрольных точках): - алгоритмы на основе метода деформируемых шаблонов; - алгоритмы на основе метода сопоставления эластичных графов (EGBM) и его модификаций; - алгоритмы на основе методов активного представления, к которым относятся методы, использующие модель активной формы (ASM), модель активного представления (AAM) и их модификации.

7. ИСПЫТАНИЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА: МЕТААНАЛИЗ Алгоритм распознавания = нормализация + сбор данных + выделение признаков + степень схожести • базовый алгоритм выделения признаков: на основе МГК; • базы данных с «простыми» примерами (ORL и т.п.) не представляют интереса; • основные направления совершенствования алгоритмов: устойчивость к параметрам освещения, ракурсу, временным интервалам; • несмотря на огромное число различных алгоритмов, представленных в научно-технической литературе, они реализуют довольно ограниченное число всех возможных видов алгоритмов •  Характеристики качества алгоритмов распознавания: • вероятности ошибок первого и второго рода (верификация), • вероятность правильной идентификации в зависимости от ранга (идентификация на замкнутом множестве), • вероятности ошибок первого и второго рода (идентификация на открытом множестве).

8. ХОЛИЧЕСКИЕ АЛГОРИТМЫ ФОРМИРОВАНИЯ БИОМЕТИЧЕСКОГО ШАБЛОНА

9. ИСПЫТАНИЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА • Проведено испытание более 350 алгоритмов распознавания лица: • На «стандартных» базах данных • На собственных базах данных • Формирование тестов и проведение испытаний: • Определение варьируемых в ходе регистрации тестовых изображений лица факторов • Светоэнергетические параметры сцены (цветовая температура источника, освещенность и неравномерность освещенности в области лица, диапазон яркостей сцены, асимметрия освещения) • Пространственные параметры сцены (ракурс по трем координатам) • Индивидуальные особенности (раса, борода, усы, очки, косметика, парик и пр.) • Параметры цифрового изображения (разрешение) • Определение методики регистрации изображений (технологическое, сценарное, оперативное испытание) • Задание определяемых характеристик и определение методики их вычисления (методики NIST, стандартные процедуры, такие как k-блочная кросс-валидация и пр.)

10. ПРИМЕР ПРИМЕНЕНИЯ РЕЗУЛЬТАТОВ СОЗДАНИЯ И ИСПЫТАНИЯ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА: ПРОВЕРКА ПВД НП

11. ПРИМЕР ПРИМЕНЕНИЯ РЕЗУЛЬТАТОВ СОЗДАНИЯ И ИСПЫТАНИЯ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ЛИЦА: ПРОВЕРКА ПВД НП БД Электронный чип Страница ПВД НП Фотография, полученная при проверке ПВД НП Паспортно-визовый документ нового поколения

12. РЕЗУЛЬТАТЫ СОЗДАНИЯ И ИСПЫТАНИЯ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ ЛИЦА • Разработка алгоритмов распознавания лица «без ограничений» является актуальной задачей. Ее целесообразно вести в контексте современных представлений о механизмах зрительного восприятия. • Выявлены «белые пятна» среди реализованных алгоритмов распознавания лиц, представленных в научно-технической литературе. • В НИИЦ БТ МГТУ им. Н.Э. Баумана реализованы более 350 холических и локальных алгоритмов распознавания изображений лица • В НИИЦ БТ МГТУ им. Н.Э. Баумана созданы тесты, обеспечивающие возможность испытания алгоритмов распознавания, возможность достоверной оценки вероятностных характеристик (в том числе в режиме идентификации на открытом множестве). • Результаты создания и испытания алгоритмов позволили создать программно-алгоритмические средства проверки ПВД НП, идентификации личности в условиях видеонаблюдения, трекинга элементов лица.

13. ИНФОФОРУМ - ЕВРАЗИЯ 9 июня 2011г. Спасибо за внимание!