Інформаційна технологія ідентифікації особи за зображенням обличчя в умовах оклюзії



DOI: http://dx.doi.org/10.31548/energiya1(65).2023.136

Y. Zhabska

Анотація


Розпізнавання облич є неінвазивною біометричною технологією, тому вона становить інтерес як для власників невеликих систем спостереження, так і для цілей національної безпеки.

Сучасні методи розпізнавання облич досягли вражаючих результатів із зображеннями облич середньої та високої якості, але продуктивність незадовільна із зображеннями низької якості.

Метою дослідження є розробка та експериментальна перевірка інформаційної технології ідентифікації особи за зображенням обличчя, отриманому з відеопотоку, на основі алгоритму, що забезпечує високі результати ідентифікації на зображеннях низької якості та роздільної здатності, які містять оклюзію.

Наведено результати дослідження інформаційної технології ідентифікації особи на зображеннях обличчя, в основі якої полягає алгоритм, що базується на методах анізотропної дифузії для попередньої обробки зображень, вейвлет-перетворення Габора для обробки зображення, гістограми орієнтованих градієнтів (HOG) і локальних бінарних шаблонів в 1-вимірному просторі (1DLBP) для виділення вектора ознак зображення.

Оскільки поширення коронавірусної хвороби створило проблему ідентифікації за зображенням обличчя за наявності медичної маски, що використовується як засіб профілактики, дослідження технологій розпізнавання та ідентифікації облич стали вирішальними для всіх сфер кібербезпеки, заснованих на перевірці особи за допомогою цифрових технологій.

Експерименти із запропонованою технологією після застосування її на оклюзовних зображеннях з бази даних SCface дали результат 85 %, який збільшився на 2,5 % після перетворення формату зображення та роздільної здатності.

Ключові слова: інформаційні технології, біометрична ідентифікація, розпізнавання обличчя


Повний текст:

PDF

Посилання


World Health Organization (2020). Mask use in the context of COVID-19: interim guidance. World Health Organization, 22.

M. Ngan, P. Grother and K. Hanaoka (2020). Ongoing Face Recognition Vendor Test (FRVT) Part 6A: Face recognition accuracy with masks using pre- COVID-19 algorithms. NIST Interagency/Internal Report (NISTIR), National Institute of Standards and Technology, Gaithersburg, MD. doi: 10.6028/NIST.IR.8311.

K. Hill (2022). Facial Recognition Goes to War. The New York Times. April 7, 2022. Available at: https://www.nytimes.com/2022/04/07/technology/facial-recognition-ukraine-clearview.html

J. Bhuiyan and agencies (2022). Ukraine uses facial recognition software to identify Russian soldiers killed in combat. The Guardian. March 24, 2022. Available at: https://www.theguardian.com/technology/2022/mar/24/ukraine-facial-recognition -identify-russian-soldiers

P. Perona and J. Malik. (1990). Scale-Space and Edge Detection Using Anisotropic Diffusion. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, No. 7, p. 629-639.

O. Bychkov, O. Ivanchenko, K. Merkulova and Y. Zhabska. (2020). Mathematical Methods for Information Technology of Biometric Identification in Conditions of Incomplete Data. Proceedings of the 7th International Conference “Information Technology and Interactions” (IT&I-2020), Kyiv, Ukraine, p. 336-349.

B. Attallah, A. Serir, Y. Chahir, A. Boudjelal. (2017). Histogram of gradient and binarized statistical image features of wavelet subband-based palmprint features extraction. J. Electron. Imag, 26(6) 063006, November 8, 2017. doi: 10.1117/1.JEI.26.6.063006.


Метрики статей

Завантаження метрик ...

Metrics powered by PLOS ALM

Посилання

  • Поки немає зовнішніх посилань.


Bookmark and Share