Рассмотрен корреляционный метод обнаружения и локализации лица человека на изображении. Предлагаемый алгоритм не чувствителен к изменениям условий освещения за счет разбиения полного шаблона лица на отдельные участки, а также применим для обнаружения и локализации в широком диапазоне изменения масштабов. Приведены результаты экспериментов по эффективности разделения классов лиц и фона, а также подбору порогов разделения.

Індекс рубрикатора НБУВ: З970.632

Рубрики:

Комп'ютерне оброблення зображень

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

При разработке методов обнаружения объектов на изображении всегда приходится находить приемлемый баланс между скоростью и качеством работы алгоритма. Для большинства сложных объектов эти параметры находятся в обратной зависимости, то есть увеличение качества, а значит, и сложности алгоритма приводит к увеличению времени обработки. Рассмотрены методы значительного ослабления этой зависимости, основанные на использовании интегральных изображений и каскадном подходе в решении задачи классификации.

Рассмотрена проблема построения полиномиальной разделяющей гиперповерхности для задачи классификации двух классов изображений. Предложен итерационный метод, позволяющий получать разделяющие гиперповерхности с учетом особенностей расположения обучающих объектов на границе между классами. Метод основан на взвешивании обучающих объектов в зависимости от их удаленности от межклассовой границы.

Рассмотрен алгоритм объединения бинарных свойств, широко используемых на практике при разработке систем автоматического анализа визуальной информации, в виде МКВ-классификатора. Предложенный алгоритм позволяет генерировать более эффективные решающие правила по сравнению с известным алгоритмом AdaBoost, а также существенно сократить число используемых свойств при одинаковой классифицирующей способности, за счет более точного описания положения объектов в пространстве признаков.

Рассмотрена проблема построения автоматической системы чтения с губ на основании интеллектуального анализа видеоизображений лица диктора. Разрабатываемая система предназначена для обучения пользователя навыкам правильной артикуляции для упрощения визуального восприятия украинской речи людьми с нарушениями слуха и заключается в контроле правильности произнесения обучаемым известных слов.

Приведены результаты решения задачи нормализации автомобильного номера и обнаружения символов на изображении номера для проведения их дальнейшего распознавания. Под нормализацией здесь понимается поворот изображения номера в плоскости изображения так, чтобы строка символов располагалась горизонтально. Для решения этой задачи используется глобальный анализ изображения при помощи преобразования Хафа. Сегментация символов основывается на использовании моделей расположения символов на номере. В ходе сопоставления различных моделей с реальным изображением определяется модель, имеющая наилучшее соответствие, параметры которой используются для получения координат символов. Такой подход позволил также определять тип номера и принадлежность символа к буквам или цифрам, что облегчает их дальнейшее распознавание. Предложенный алгоритм нормализации и сегментации символов позволяет использовать его в системах распознавания автомобильных номеров.

Приведены результаты решения задачи обнаружения номеров государственной регистрации автотранспортных средств на изображениях. Решение основано на использовании каскада классификаторов в процессе мультимасштабного сканирования изображений для поиска однострочных номерных знаков. При построении каскада использованы классификаторы разных типов: начальные классификаторы основаны на анализе положения обучающих объектов в узлах многомерного куба, конечные - сформированы в виде линейной комбинации значений свойств с помощью алгоритма AdaBoost. Использование каскада смешанных классификаторов позволило увеличить быстродействие алгоритма обнаружения.

Рассмотрен метод векторного приближения для получения улучшенных шаблонов классов распознаваемых символов с наименьшей ошибкой классификации. Реализованный по данному методу алгоритм производит постепенное смещение вектора-изображения шаблона класса по направлению к векторам-изображениям ошибочно классифицированных символов таким образом, чтобы область, соответствующая данному классу, захватывала эти изображения.

Індекс рубрикатора НБУВ: З970.632.4

Рубрики:

Розпізнавання зображень

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

Предложен алгоритм получения шаблонов для решения задачи распознавания символов автомобильного номера методом сопоставления с эталоном. Предлагаемый алгоритм основан на взвешивании обучающего набора и позволяет получить шаблоны каждого класса символов на основе минимизации средней ошибки классификации по всем классам. Полученные предложенным методом шаблоны позволяют решать задачу классификации символов с меньшей ошибкой, чем при использовании в качестве шаблонов центров распределений классифицируемых классов, сохраняя при этом хорошую обобщающую способность метода сопоставления с эталоном.

Предложено решение задачи распознавания символов автомобильных номерных знаков на основе ранее предложенного МКВ-классификатора и алгоритма его получения с использованием обучающего набора. Объединение 8 свойств в виде МКВ-классификатора позволило получить качество распознавания в среднем по всем классам принятого алфавита - 95 % и увеличить скорость выполнения операции классификации по сравнению с методом сопоставления с эталоном более чем в 10 раз. Низкая вычислительная сложность в сочетании с высокой эффективностью работы классификатора позволяет использовать его для решения широкого круга прикладных задач распознавания изображений.

Рассмотрены методы решения задачи сегментации символов на изображениях номерных знаков автотранспортных средств на основе сопоставления с моделями расположения символов. Предложенные методы сопоставления позволяют учесть искажения в положении символов, связанные с ракурсом съемки автомобильного номерного знака, а также увеличить качество сегментации символов на изображениях с частичным затенением автомобильного номера.

Представлена концепция системы автоматического распознавания номерных знаков автотранспортных средств. Выделены основные этапы построения и функционирования автоматической системы распознавания номеров, которые являются отдельными взаимосвязанными подзадачами, допускающими самостоятельное рассмотрение. Рассмотрены особенности задач на каждом этапе и возможные пути их решения. Внимание уделено критериям оценки качества систем распознавания автомобильных номеров, которые во многом определяют используемые подходы в процессе разработки системы.