Казахского государственного женского педагогического университета
жүктеу/скачать 6,41 Mb. Pdf көрінісі
|
| Түйін сӛздер: бет-әлпетті тану, алгоритмдер, функцияны шығару, нейронды желі, жылдам
сенімді функциялар (ЖСФ), бағдарланған градиент гистограммасы (БГГ), жергілікті екілік үлгілер (ЖЕҮ) Биометрия саласында қосымшаларды қолдану саны ҥнемі ӛсіп келеді. Қауіпсіздікке қол жеткізу ҥшін биометриялық қолжетімділік қауіпсіз деп есептеледі, ал парольдер, PIN-код немесе кілттер қауіпті болып табылады, себебі олар оңай кӛшіріледі немесе ҧрлануы мҥмкін. Бҥгінгі таңда қолданылатын биометрикалық деректердің әртҥрлі тҥрлері: саусақ іздері, алақан сканерлері, бет-әлпетті тану және т.б. бар. Бетті тану жҥйелерімен қамтамасыз етілген қауіпсіздік, басқа биометриялық қҧрылғылармен салыстырғанда сенімді болып келеді [1; 217-б.]. Адамды тану әртҥрлі салаларда маңызды рӛл атқарады және оны жҥзеге асырудың кең ауқымы бар. Ҥлгіге сәйкес келетін әртҥрлі қосымшалар бар. Бетті тану - бҧл ҥш қадамды қамтитын процесс: детекция, ерекшелікті алу және бет-әлпетті тану [1; 220-б.]. Бет-әлпетті тану - тҧлғаны тану кезінде қабылданатын алғашқы қадам. Бҧл адамның бет- әлпетін бейнеленген суреттен анықтау процесі. Бет пен тҧлғаларды табу ҥшін арнайы жасалған тҥрлі алгоритмдер бар [1; 220-б.]. Анықталған жағы әрі қарай ӛңдеу ҥшін теңестірілуі керек. Функцияларды оқшаулау – тҧлғаны тану процесінде маңызды қадам болып табылады. Функцияны алудың негізгі мақсаты бастапқы деректерден ең ӛзекті ақпаратты алу және бҧл ақпаратты тӛменірек ӛлшеммен кеңістікте ҧсыну болып табылады. Алгоритмге ӛңдеуге арналған кіріс сигналы тым ҥлкен жағдайда кіріс тӛмендетілген кӛріністер жиынтығына айналады. Кіріс деректерін функция жиынына тҥрлендіру функцияның шығарылуы деп аталады [2; 169-б.]. Бҧл жҥйе ҥшін деректер болып саналатын беттің нҥктелерін анықтайтын қадам болып табылады. Деректер әртҥрлі тҧлғаларды тҥсіну және ажырату жҥйесі арқылы ӛлшенеді. Адамдардың беті әр жағдайларға қарай әртҥрлі болуы мҥмкін, ең кҥрделі деректерге ие болғандықтан, тҧлғаны тану кезінде жақсы дәлдікке жету - бҧл қиын міндет. Бетті тану жылдамдығы әртҥрлі жарық жағдайларында ӛзгереді, тҧлғаның бағыты, сӛйлеу және қартаюдың әсері кейбір факторлардың бірі болып табылады. Бҧл факторлар бет-әлпетті тану жҥйесінің тану жылдамдығын нашарлатады. Технология пайда болған кезде, тҧлғаны тануды пайдалану жақсарды және осы салада жҥргізілетін әртҥрлі зерттеулер, бҧл барлық факторларды еңсеруге кӛмектеседі. Бет-әлпетті тану жҥйесі тек бетті табу ғана емес, табылған бетті салыстыру және сәйкестікті табу ҥшін пайдаланылуы мҥмкін. Соңғысы биометриялық жҥйелерде немесе қауіпсіздікте қолданылады. Бҧл олардан алынған және олармен салыстырылған функциялардың қоспасы және сәйкестік болған кезде қол жеткізуге мҥмкіндік береді. Қосымшада қауіпсіздікті сақтау ӛте қиын, себебі адамның беті кӛрінбеуі мҥмкін, сондықтан тҧлғаның анықталуы кҥрделене тҥседі. Салыстыруға және сәйкестік табу ҥшін анықталған дерекқорға ие болу керек. Функцияларды шығаруға кӛмектесетін кӛптеген алгоритмдер бар. Бҧл алгоритмдер екі санатқа бӛлінеді: - Қол технологиясын ӛндіру әдістері (ЖСФ, БГГ, ЖЕҤ, Инвариантты функцияларды масштабтау (ИФМ)) Қазақ мемлекеттік қыздар педагогикалық университетінің Хабаршысы № 1 (77), 2019 100 - Осы тҧрғыда кемсітушілікке ие ерекшеліктер (яғни сирек кодтау, автокодтар, шектеулі Больцман машиналары, негізгі компонентті талдау (PCA), тәуелсіз компонентті талдау (ICA), K- қҧралы). Бет алудың функциясы бетті тану жҥйесінің маңызды бӛлігі болып табылады, себебі ол осы функцияларға негізделген, жҥйе бетті тани алады. Ол адамның бетін анықтайтын және басқалардан ерекшелейтін заттарды іріктеуге кӛмектеседі. Жҥйе жинайтын жалпы белгілер - бҧл жақтың ҧзындығы, кӛздің, мҧрынның, ауыздың және қҧлақтың қашықтығы, кез-келген таңбалар, мысалы, моль немесе бет аймағында табылған кез-келген деформациялар жатады. Бҧл мақалада пайдалы функцияларды қолмен алуға бағытталған. Аталған алгоритмдердің не әдістерінің қайсысы тиімді екенін анықтау ҥшін деректер жиынтығы ҥшін ЖСФ, БГГ және ЖЕҤ бойынша салыстырмалы зерттеу жҥргізіледі [3; 14-б.]. ЖСФ функция детекторы ҥшін ғана емес, дескриптор ҥшін де қолданылады. Ол негізінен объектіні тану, кескінді тіркеу, жіктеу және 3D қайта қҧру ҥшін қолданылады. ЖСФ 90-шы жылдардың соңында қолданылған алғашқы алгоритмдердің бірі – масштабты инвариантты функцияның (МИФ) тҥрлендіруі болып табылады. ЖСФ авторларының пікірінше, ол нәтижелерді МИФ-на қарағанда бірнеше есе тезірек шығарады және ӛте сенімді болып келеді [4; 18-б.]. ЖСФ алдын-ала есептелген интегралдық кескінді пайдалана отырып, 3 бҥтін операцияларды есептеуге мҥмкіндік беретін қиылысу нҥктелерін анықтау ҥшін Hessian blob детекторының детерминантының бҥтін жуықтауын пайдаланады. ЖСФ-да қолданылатын функцияның дескрипторы Хаар толқындарының сигналының қызығушылығын тудыратын жауаптың жиынтығына негізделеді, бҧл ішкі суретті пайдалана отырып есептеу ҥшін пайдалы. ЖСФ дескрипторлары объектілерді, адамдарды немесе тҧлғаларды анықтау, 3D кӛріністерін қалпына келтіру, нысандарды қадағалау және қызығушылық нҥктелерін табу ҥшін пайдаланылды. Алгоритм ҥш негізгі бӛлімнен тҧрады: 1. Пайыздық пункттерді анықтау 2. Жергілікті аймақтың сипаттамасы 3. Ҥйлестіру. Соңғы қадам, картаға негізделген жҥйе кіруге рҧқсат беруі немесе дерекқордан біреуді анықтау қажет болған жағдайда жасалады [5; 15-б.]. 2005 жылы Navneet Dalal және Trigg [9; 12-б.] ҧсынған бағдарланған градиент гистограммасы (БГГ) - бҧрмалауды анықтау ҥшін компьютерде кӛру мен кескінді ӛңдеуде қолданылатын басқа функциялық дескриптор. Техника градиенттің қағаздың локализацияланған бӛліктеріне бағдарлануын ескереді. Бҧл әдіс шеткі бағдарлаудың гистограммасына параллель болады. Дәлдігін жақсарту ҥшін сурет біркелкі бӛлінген ҧяшықтары бар ықшам торда есептеледі және жергілікті контрастты қалыпқа келтіруді қолданады [6; 12-б.]. Кескін бҧдан әрі ӛзара байланысқан жасушалар деп аталатын кішкентай аймақтарға бӛлінеді. БГГ жинақтары осы ҧяшықтардағы әрбір пиксел ҥшін жинақталады. Жергілікті гистограмма контрастты қалыпқа келтіреді, блок деп аталатын кескіннің ҥлкен аймағында қарқындылық ӛлшемін есептеп, содан кейін осы мәндерді дәлдік деңгейін арттыру ҥшін блоктағы барлық ҧяшықтарды қалыпқа келтіру ҥшін пайдаланылады. Бҧл қалыпқа келтіру жарық пен кӛлеңкеден алынған ӛзгерістерге ең жақсы инвариантты береді. БГГ бастапқыда MIT деректер жинағында сыналды, ол 509 оқу жиынтығынан және 200 деректер жиынтығынан тҧрған, ол кезде негізінен адамның бет жағы мен арт жақ бет суреттерінен тҧрған. Ол адамның бет-әлпетін және объектілерді тануға арналған ең тиімді алгоритмдердің бірі және оның танымал болуына мҥмкіндік беретін перспективті нәтижелер берді. БГГ келесі қадамдардан тҧрады: 1. Градиент есептеу 2. Бининг бағдары 3. Дескриптор блогы 4. Блокты нормализациялау 5. SVM классификаторы 6. Нейрондық желілік классификатор. 1994 жылы ойлап табылған ең кӛне алгоритмдердің бірі, қарапайым элементті алу ҥшін пайдаланылатын алгоритмдердің бірі. Сондай-ақ, ол белгілі бір деректер жиынтығы ҥшін БГГ |