Анотація до роботи:

Палій І.О. Методи виявлення облич в системах комп’ютерного розпізнавання на основі комбінованого каскаду нейромережевих класифікаторів. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – Системи та засоби штучного інтелекту. – Одеський національний політехнічний університет, Одеса, 2009.

Дисертація присвячена розробленню методів виявлення облич (ВО) в системах комп’ютерного розпізнавання на основі комбінованого каскаду нейромережевих класифікаторів для підвищення достовірності і швидкодії при обмежених обчислювальних ресурсах.

У роботі розроблено узагальнену інформаційну модель процесу ВО, яка базується на багаторівневому комбінованому каскаді класифікаторів. На основі даної моделі розроблено методи виявлення облич для обробки півтонових і кольорових зображень, використовуючи комбінований каскад нейромережевих класифікаторів (ККНК), який складається із рівня сегментації за кольором шкіри та каскаду слабких класифікаторів для виявлення облич-кандидатів і згорткової нейронної мережі (ЗНМ) для верифікації кандидатів. Також удосконалено методи верифікації облич-кандидатів, який базується на властивості ЗНМ обробляти вхідне зображення за один етап, і формування навчальної вибірки ЗНМ, що використовує параметричну адаптацію структури активної навчальної вибірки. ККНК дозволив отримати один із найкращих показників достовірності на тестовому наборі півтонових зображень Carnegie Mellon University: ймовірність правильного позитивного виявлення (ППВ) 0,88 при ймовірності хибного позитивного виявлення ХПВ 10^-8.

На базі розроблених методів ВО створено інформаційну технологію виявлення облич, яку впроваджено у комп’ютерні системи відеоспостереження і контролю доступу, що дозволило підвищити ймовірність ППВ на 0,05-0,08 і зменшити ймовірність ХПВ на 24-30%.

У дисертаційній роботі розроблено методи виявлення облич в системах комп’ютерного розпізнавання на основі комбінованого каскаду нейромережевих класифікаторів для підвищення достовірності і швидкодії при обмежених обчислювальних ресурсах. Під час проведення дисертаційного дослідження отримано такі основні результати:

1. Проаналізовано існуючі системи комп’ютерного розпізнавання облич і показано, що у даних системах першою інтелектуальною процедурою по обробці облич, яка визначає результат роботи всієї системи, є їх виявлення. Встановлено, що базові методи ВО, які базуються на моделюванні зображення обличчя, забезпечують або високу достовірність, або високу швидкодію. Розроблено узагальнену інформаційну модель процесу ВО на основі багаторівневого комбінованого каскаду класифікаторів, яка дозволила запропонувати шляхи підвищення достовірності та швидкодії методів виявлення облич на півтонових і кольорових зображеннях при обмежених обчислювальних ресурсах.

2. Розроблено метод ВО для обробки півтонових зображень на основі комбінованого каскаду нейромережевих класифікаторів, який складається із каскаду слабких класифікаторів для виявлення облич-кандидатів та згорткової нейронної мережі для їх верифікації. Даний метод ВО дозволив отримати один із найкращих показників достовірності на тестовому наборі CMU (ймовірність ППВ 0,88 при ймовірності ХПВ 10^-8), випередивши за ймовірністю ППВ метод П. Віоли та М. Джонса на 0,12, і збільшивши швидкодію більш ніж у 8 разів у порівнянні з методом К. Гарсіа та М. Делакіс. Також розроблено алгоритм генерації структури ЗНМ, який дозволив автоматизувати проектування розрідженої несиметричної структури згорткової нейронної мережі на основі декількох вхідних параметрів.

3. Удосконалено метод верифікації облич-кандидатів із механізмом приймання облич, який базується на властивості згорткової нейронної мережі обробляти вхідне зображення будь-якого розміру за один етап, що дозволило збільшити швидкодію ККНК у 8,6 разів у порівняні з методом К. Гарсіа та М. Делакіс. Експериментально встановлено, що за рахунок застосування вдосконаленого методу верифікації у комбінованому каскаді нейромережевих класифікаторів ймовірність ППВ на тестовому наборі CMU при фіксованій ймовірності ХПВ, рівній 10^-8, збільшується на 0,18 у порівнянні із методом верифікації П. Віоли та М. Джонса, на 0,05 – у порівнянні із методом П. Віоли та М. Джонса з перевіркою всіх багатократних виявлень і на 0,004 – у порівнянні із методом К. Гарсіа та М. Делакіс.

4. Удосконалено метод формування навчальної вибірки згорткової нейронної мережі для верифікації облич-кандидатів на основі параметричної адаптації структури активної навчальної вибірки, яка визначається врахуванням адаптивного співвідношення позитивних/негативних навчальних прикладів. Це дозволило знизити похибку класифікації ЗНМ на оціночній вибірці для позитивних прикладів приблизно у два рази і підвищити ймовірність ППВ комбінованого каскаду нейромережевих класифікаторів на тестовому наборі CMU при фіксованій ймовірності ХПВ 10^-8 на 0,2-0,4 у порівнянні із методом Г. Роулі. Вдосконалено алгоритм створення віртуальних прикладів для формування розширеної навчальної вибірки ЗНМ, який на відміну від алгоритму К. Сан і Т. Поджіо містить додаткові операції розмиття і вирівнювання гістограми пікселів, що дозволило підвищити інваріантність ЗНМ до деформацій облич-кандидатів при їхній верифікації.

5. Одержав подальший розвиток метод ВО для обробки кольорових зображень на основі ККНК шляхом використання рівня виявлення облич-кандидатів на основі сегментації за КШ. Експериментальні дослідження комбінованого каскаду нейромережевих класифікаторів на тестовому наборі UCD показали, що поєднання двох просторів RGB+TSL дозволило підвищити ймовірність ППВ на 0,09 при фіксованій ймовірності ХПВ 10^-8 і зменшити час ВО на 26% у порівнянні з використаннях одного кольорового простору TSL.

6. За результатами досліджень інформаційних потоків процесу виявлення облич розроблено структуру підсистеми ВО, яка складається з двох складових: навчання ККНК і виявлення облич. Розроблено і програмно реалізовано згорткову нейронну мережу на основі запропонованої об’єктно-орієнтованої моделі ЗНМ. На базі розроблених методів ВО створено інформаційну технологію виявлення облич, яку впроваджено у комп’ютерні системи відеоспостереження і контролю доступу, що дозволило підвищити ймовірність ППВ на 0,05-0,08 і зменшити ймовірність ХПВ на 24-30% у порівнянні з методом П. Віоли і М. Джонса.

Публікації автора:

1. Палій І.О. Метод і засіб виявлення обличчя для ефективної обробки кольорових зображень / І.О. Палій // Штучний інтелект. – 2008. – Т. 4. – С. 402-411.

2. Палій І.О. Методи виявлення обличчя людини на основі комбінованого каскаду класифікаторів / І.О. Палій // Комп’ютинг. – 2008. – Том 7, Вип. 1. – С. 114-125.

3. Палій І.О. Вдосконалений нейромережевий підхід для швидкого виявлення облич / І.О. Палій // Вісник Національного університету «Львівська політехніка» «Комп’ютерні науки та інформаційні технології». – 2007. – №604. – С. 214-219.

4. Палій І.О. Вдосконалений нейромережевий метод виявлення облич / І.О. Палій, Ю.О. Куриляк, А.О. Саченко // Вісник Хмельницького національного університету. – 2007. – №2, Т.1. – С. 145-148.

5. Палій І.О. Відслідковування обличчя людини у відеопотоці / І.О. Палій, Ю.О. Куриляк, А.І. Михайлюк, А.О. Саченко // Збірник праць 3-ї міжнародної науково-технічної конференції "Комп’ютерні науки та інформаційні технології" (CSIT-2008). – Львів (Україна), 2008. – С. 154-157.

6. Палій І.О. Виявлення обличчя людини на кольорових зображеннях із використанням комбінованого каскаду класифікаторів / І.О. Палій, А.О. Саченко // Збірник праць міжнародної науково-технічної конференції “Штучний інтелект-2008”. – Кацивелі (Україна), 2008. – Ч. 1. – С. 311-316.

7. Палий И.О. Надежное обнаружение лиц с помощью комбинированного каскада классификаторов / И.О. Палий, А.А. Саченко // Труды девятой международной научно-практической конференции “Современные информационные и электронные технологии” (СИЭТ2008). – Одесса (Украина), 2008. – Т.1. – С. 25.

8. Paliy I. Face Detection Using Haar-like Features Cascade and Convolutional Neural Network / I. Paliy // Proceedings of the Ninth International Conference “Modern Problems of Radio Engineering, Telecommunications and Computer Science” (TCSET’2008). – Lviv-Slavsko (Ukraine), 2008. – P. 375-377.

9. Палий И.О. Обнаружение лиц с помощью комбинированного каскада классификаторов для видеонаблюдения / И.О. Палий, А.А. Саченко, В.А. Турченко, Ю.О. Куриляк, В.А. Капура // Вестник Брестского государственного технического университета: (Серия: физика, математика и информатика). – 2007. – №5. – С.5-8.

10. Paliy I. Improved Fast Neural Network-Based Face Detection Approach / I. Paliy, A. Sachenko, Y. Kurylyak // Proceedings of the International Conference on Computer Science and Information Technologies (CSIT’2007). – Lviv (Ukraine), 2007. – P. 40-41.

11. Paliy I. Combined Approach to Face Detection for Video-Surveillance / I. Paliy, A. Sachenko, Y. Kurylyak, V. Kapura, R. Sadykhov, D. Lamovsky // Proceedings of the IEEE Fourth International Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS'2007). – Dortmund (Germany), 2007. – P. 594-598.

12. Paliy I. Improved Neural Network-based Face Detection Method using Color Images / I. Paliy, Y. Kurylyak, A. Sachenko, K. Madani, A. Chohra // Proceedings of the Third International Workshop on Artificial Neural Networks and Intelligent Information Processing (ANNIIP 2007). – Angers (France), 2007. – P. 107-114.

13. Paliy I. Face Detection Algorithms for Video-Surveillance Systems / I. Paliy, A. Sachenko, Y. Kurylyak, V. Kapura, R. Sadykhov, D. Lamovsky // Proceedings of the Ninth International Scientific Conference «Pattern Recognition and Information Processing» (PRIP 2007). – Minsk (Belarus), 2007. – Vol.2. – P. 141-145.

14. Paliy I. Improved Method of Face Detection Using Color Images / I. Paliy, V. Koval, Y. Kurylyak, A. Sachenko // Proceedings of the International Conference “Modern Problems of Radio Engineering, Telecommunications and Computer Science” (TCSET’2006). – Lviv-Slavsko (Ukraine), 2006 – P. 186-188.