АЛГОРИТМ ВЫДЕЛЕНИЯ ОБЛАСТИ УШНЫХ РАКОВИН ПРИ РАСПОЗНАВАНИИ ЛИЧНОСТИ

АННОТАЦИЯ

В настоящее время в сфере биометрических технологий в области идентификации личности по изображению уха одной из основных задач является нахождение на изображении участка, в котором находится улитка.

Поскольку биометрические системы в настоящее время используются в различных коммерческих, государственных, гражданских и национальных технических программах безопасности, появилась возможность проанализировать, какие из них являются наиболее эффективными или имеют недостатки с точки зрения оценки безопасности биометрических систем. Сравнивались и анализировались эффективные методы идентификации биометрических технологий в информационной безопасности, критерии, уровень устойчивости к фальсификации данных, строгая аутентификация, биометрические характеристики систем, скорость аутентификации, финансовые уровни на предмет доступности в Республике Узбекистан. На основе заданных алгоритмов получен результат, который нашел применение в системах распознавания.

ABSTRACT

Currently, in the field of biometric technologies in the field of personal identification by ear image, one of the main tasks is to find the area in the image in which the cochlea is located.

Since biometric systems are currently used in various commercial, government, civil and national technical security programs, it has become possible to analyze which ones are the most effective or have disadvantages in terms of evaluating the security of biometric systems. Effective methods for identifying biometric technologies in information security, criteria, level of resistance to data falsification, strong authentication, biometric characteristics of systems, authentication speed, financial levels for availability in the Republic of Uzbekistan were compared and analyzed. Based on the given algorithms, a result was obtained, which found applications in recognition systems.

Ключевые слова: биометрическая идентификация, статические и динамические методы идентификации, устойчивость к подделке, строгая аутентификация, неизменные биометрические характеристики, скорость аутентификации, сравнение затрат.

Keywords: biometric identification, static and dynamic identification methods, resistance to counterfeiting, strong authentication, invariable biometric characteristics, authentication speed, cost comparison.

Введение. Одним из наиболее интенсивно развивающихся направлений современных информационных технологий являются биометрические технологии распознавания личности [1]. Среди этих технологий особое место занимает технология распознавания личности по изображению ушных раковин. Основными преимуществами этой технологии являются ненавязчивость, пассивность (не требует специальных знаний или действий от пользователя), отсутствие специальных требований к аппаратному обеспечению, высокая точность при распознавании личности и относительно низкая стоимость. Поэтому все более широкий круг специалистов уделяют внимание проблеме биометрической идентификации личности по изображению ушных раковин, и число научных публикаций по вопросам распознавания личности человека по изображению ушных раковин постоянно растет [4; 1].

Целью данной работы является применение корреляционного метода распознавания для решения задачи локализации ушной раковины на изображении. Основная идея данного метода заключается в последовательной оценке меры соответствия между частью изображения и эталоном [3].

Данная работа отличается от других исследований тем, что поиск производился по части изображения, то есть по той части, где выделен цвет кожи, а не по полному изображению, предоставленному для поиска области, где расположена мочка уха. В нашем исследовании цвет кожи использовался для определения области, где расположено ухо. Это ускорило время поиска. 

Постановка задачи. Выделение области ушных раковин является первичным этапом в решении задачи распознавания личности по изображению ушных раковин и предназначено для локализации ушных раковин на изображении. Задачу выделения области ушных раковин на изображении лица можно представить как задачу распознавания образов. Пусть  – некоторое изображение лица в профиль,  – заданное изображение ушной раковины (эталон), ,  – области определения исходного изображения и эталона соответственно. Например,  – область определения исходного изображения лица в профиль является прямоугольником размером ,  – прямоугольник размером  (). Тогда меру близости между частью исходного изображения и эталоном можно определить следующим образом [4; 1]:

.                           (1)

Требуется найти такую область изображения , в которой распределение яркости сходно с некоторой двумерной функцией , заданной в табличном виде. Сравнение  с изображением  решается для каждого положения эталона [5; 7].

Метод решения. В данной работе предложен алгоритм выделения области ушной раковины на изображении, базирующийся на корреляционном методе
[2; 6; 9]. Алгоритм состоит из двух этапов:

1) определение области лица на изображении;

2) выделение области ушной раковины.

На каждом этапе сначала уменьшается область поиска эталона на изображении, основываясь на априорных знаниях. Далее осуществляется поиск области изображения, который соответствует эталонному изображению.

На первом этапе определяется область лица на изображении с использованием цвета кожи человека на цветном изображении с помощью следующего предиката [3]:

,         (2)

где , ,  – значения каналов проверяемого пикселя, соответствующих красному, зеленому и голубому цветам. Далее из областей, удовлетворяющих условию предиката, выделяется наибольшая (рис. 1).

Рисунок 1. Выделение области кожи и определение наибольшего объекта на изображении

На втором этапе выделяются области ушной раковины на изображении. Основная идея данной процедуры состоит в том, что в рассматриваемой области находятся области лица [8; 11]. Данный этап состоит из семи шагов.

1. На основе анализа размера эталонного и исходного изображения определяется исходная позиция координат  на исходном изображении. Присваивается начальному значению .

2. Вычисляется коэффициент корреляции  между эталонным изображением и заданным фрагментом исходного изображения.

3. Проверяется условие . Если условие выполняется, то обновляется значение  (). При этом верхние левые координаты фрагмента изображения запоминаются в идентификаторах .

4. Проверяется возможность сдвига эталонного изображения по оси абсцисс. Если это возможно, то значение  увеличивается на единицу и производится переход к шагу 2.

5. Проверяется возможность сдвига эталонного изображения по оси ординат. Если это невозможно, то производится переход к шагу 8.

6. Увеличивается значение  на единицу,  присваивается начальное значение  и производится переход к шагу 2.

7. Проверяется условие на увеличение размера эталонного изображения. Если это возможно, то увеличивается масштаб эталонного изображения на 1%. В противном случае процедура поиска прекращается. Следует подчеркнуть, что этот шаг выполняется, если размер изображения лица на проверяемом изображении априори неизвестен. Если исходное изображение нормализовано с учетом размера эталонного изображения, то процедура выполняется без данного шага.

Результат работы алгоритма приведен на рисунке 2.

Рисунок 2. Локализованное изображение ушной раковины

Экспериментальная проверка. В целях оценки точности рассмотренного алгоритма разработаны функциональные схемы и соответствующие вычислительные процедуры. Программная реализация разработанных процедур осуществлена в среде Delphi. Экспериментальная проверка разработанного алгоритма была осуществлена на наборе из 200 изображений лиц, которые были сфотографированы в профиль. Результаты экспериментов по выделению области ушных раковин с применением предложенного алгоритма приведены в таблице 1. В данной таблице приведены значения качества работы алгоритма при выделении области ушной раковины на изображении. По данным, приведенным в таблице, можно отметить, что совпадение области, выделенной с помощью предложенного алгоритма, с фактической областью ушной раковины составляет не менее чем 84%, оно считается «хорошим», не менее чем 5,5% – «ошибочным» и не менее чем 10,5% – «приемлемым».

Таблица 1.

Результаты экспериментов по выделению области ушных раковин

Результаты проведенного исследования показывают, что при использовании рассмотренного алгоритма должны быть наложены следующие ограничения на изображение:

• область ушной раковины на изображении должна занимать более 10% и менее 30% от площади всего изображения;
• отклонение головы относительно нормального положения не должно превышать 5%.

Следует отметить, что, несмотря на указанные ограничения, данный алгоритм можно использовать при разработке реальных систем идентификации личности человека на основе анализа изображения ушных раковин.

Задачи, решенные в рамках данной статьи, являются предварительными этапами в разработке систем идентификации личности человека по изображению ушных раковин. Предложенный алгоритм выделения области ушных раковин отличается простотой программной реализации и достаточным быстродействием.

Полученные результаты могут быть использованы в создании систем идентификации личности, позволяющих решать актуальные на сегодняшний день задачи, такие как поиск человека в базе данных по изображению ушной раковины, контроль доступа и т.д.

Таким образом, рассмотренный алгоритм имеет достаточно высокую производительность при сохранении высокой надежности, что позволяет рассматривать его как подходящий инструментарий решения задач поиска объекта на изображении в широком спектре практических приложений.

Список литературы:

1. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М. : Тех., 2006. – 1072 с.
2. Жумаев Т.С., Мирзаев Н.С., Махкамов А.С. Алгоритмы сегментации цветных изображений, основанные на выделение сильносвязанных элементов // Исследования технических наук. – 2015. – № 4. – С. 22–27.
3. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. – М. : Наука, 1976. – 328 с.
4. Мухамад И.С. Использование ушей для человеческой идентификации // Мастер Науки На Инженере По компьютерам. – 2007. – 58 с.
5. Прэтт У. Цифровая обработка изображений: в 2. кн. – М. : Мир, 1982. – 792 с.
6. Fazilov S.X., Mahkamov A.A., Jumayev T.S. Algorithm for extraction of identification features in ear recognition // Информатика: проблемы, методология, технологии. – 2018. – С. 3–7.
7. Fukunaga K. Introduction to Statistical Pattern Recognition. – Academic Press, New York, 1972.
8. Jumaev T.S., Mahkamov A.A. Algorithm for extraction of identification features in ear recognition // International journal of innovations in engineering research and technology. – 2020. – № 7 (5). – P. 216–220.
9. Jumayev T.S., Mirzayev N.S., Makhkamov A.S. Algorithms for segmentation of color images based on the allocation of strongly coupled elements // Studies of technical sciences. – 2015. – Т. 4. – С. 22–27.
10. Peer P., Solina F. An Automatic Human Face Detection Method, Proceedings of Computer Vision Winter Workshop / ed. N. Brandle. – Rastenfeld, Austria, 1999. – P. 122–130.
11. Yan P., Bowyer K.W. Ear biometrics using 2D and 3D images // Advanced 3D Imaging for Safety and Security. – 2005.