База изображений лиц

Аннотация: в работе приведена база полутоновых изображений лиц, включающая 25 персон по 40 реализаций каждой персоны с вариацией ракурса съемки. На изображениях базы выделены информативные области лица с использованием алгоритма на основе координат глаз.
Скачать:  ZIP (архив базы изображений).
Ключевые слова: изображение лица человека, изображение человеческого лица, изображение черт лица, изображение физического лица, распознавание лиц, программа распознавания лиц, система распознавания лиц, идентификация лица, идентификация по изображению лица, методы идентификации лица, идентификация человека по лицу, технологии распознавания лиц, лицо, идентификация человека, идентификация личности человека, биометрические системы идентификации, биометрические методы идентификации, биометрическая идентификация личности, биометрические технологии идентификации, биометрические средства идентификации.

В рамках реализации работы [1] решались задачи по подготовке базы изображений лиц и выделению информативной области лица для последующего проведения процедуры распознавания человека. Выполнение фото- и видеосъемки персон и последующее формирование базы изображений лиц осуществлялось на основе следующих требований и рекомендаций:

  • ГОСТ Р ИСО/МЭК 19794-5-2006 [2];
  • лучшие мировые практики подготовки данных для проведения соревнований по распознаванию лиц [3];
  • рекомендации обзорных статей по распознаванию лиц [4-6].

Положение объекта съемки задавалось в декартовых координатах X, Y, Z с плоскостью изображения в координатах X, Y (рис.1). На рис.2 продемонстрированы изображения объекта, полученные при различных углах поворота относительно осей X, Y, Z. Координатное пространство X, Y, Z позволяет задать ракурс съемки, ограничив положение объекта на изображении.

Определение положения объекта лица в координатном пространстве X, Y, Z

Рис. 1. Определение положения объекта в координатном пространстве X, Y, Z

Примеры изображений при различных углах поворота объекта лица относительно осей X, Y, Z

Рис. 2. Примеры изображений при различных углах поворота объекта относительно осей X, Y, Z: a) (0;0;0); b) (+15;0;0); c) (-15;0;0); d) (0;+15;0); e) (0;-15;0); f) (0;0;+15); g) (0;0;-15)

Съемка персон с вариацией ракурса проводилась в течение трех месяцев. В съемке принимало участие 25 персон мужского и женского пола. Цвет глаз и волос не был фиксирован. Выражение лиц было нейтральным. Положение глаз персон относительно угла съемки было произвольным. Для проведения фотосъемки использовался цифровой фотоаппарат Olympus, а для видеосъемки – цифровая видеокамера Sony. Изображения лиц были получены при искусственном источнике освещения, в результате чего на изображениях лиц присутствовали затемненные участки. Сформированная база содержала 25 персон (классов) 40 реализаций в каждом классе. Пример изображений лиц базы продемонстрирован на рис.3.

Фрагмент базы изображений лиц, содержащий 6 персон по 7 реализаций каждой персоны

Рис. 3. Фрагмент базы изображений лиц, содержащий 6 персон по 7 реализаций каждой персоны

В большинстве рассмотренных работ по распознаванию лиц [7-9] отсутствовала четкая формулировка процедуры выделения информативной области лица. Поэтому необходимо было выделить информативную область, на основе которой будет выполняться представление и классификация лиц базы изображений. Воспользуемся следующей процедурой. Найдем положение левого и правого глаза (xl,yl)(xr,yr) в координатах изображения (X,Y) (рис.4a). Найденные координаты используются для нахождения расстояния

и вычисления параметров маски-овала, ограничивающей информативную область лица на изображении. Маска задается в координатах (U,V) (рис.4b), выбираемых следующим образом: ось U проходит через центр линии глаз и перпендикулярна этой линии; центр координат задается точкой на оси U, отстоящей от линии глаз на величину br с параметром b>0; ось V проходит через выбранный центр и опережает ось U.

Основные шаги выделения информативной части лица

Рис. 4. Основные шаги выделения информативной части лица: a) поиск координат глаз; b) вычисление геометрических характеристик; c) выделение информативной области

В координатах (U,V) границы маски задаются параметрическим овалоидом

с параметром формы m>=2, радиусами bu*r и bv*r, определяемыми параметрами bu>0, bv>0 и расстоянием r из (1). Координаты маски (U,V) связаны с координатами изображения (X,Y) преобразованием поворота и смещения [10]

При заданных параметрах b, bu, bv соотношения (1-3) позволяют выделить на изображении информативную область лица, ограниченную параметрическим овалоидом (рис.4c). Исходная база полутоновых изображений лиц с выделенными объектами интереса была сформирована при следующих значениях параметров m = 2.5, b = 0.5, bu = 0.8, bv = 0.6. Фрагмент исходной базы изображений лиц продемонстрирован на рис.5 и доступен для скачивания.

Фрагмент исходной базы изображений лиц

Рис. 5. Фрагмент исходной базы изображений лиц 

Литература 

  1. Степанов Д.Ю. Методы и алгоритмы распознавания образов с использованием древовидных представлений многоканальных изображений: дис. кан. тех. наук / МГТУ МИРЭА. – М., 2013. – 171 c.
  2. ГОСТ Р ИСО/МЭК 19794-5-2006. Автоматическая идентификация. Идентификация биометрическая. Форматы обмена биометрическими данными. Часть 5. Данные изображения лица. Дата введения 30.03.2007.
  3. McCabe R. Best practice recommendation for the capture of mugshots version 2.0. 1997. http://www.nist.gov/itl/div894/894.03/face/face.html
  4. Zhao W., Chellappa R., Phillips P. Face recognition: a literature survey. // ACM Computer Surveys. – 2003. – vol.35.
  5. Wechsler H. Reliable face recognition methods: system design. implementation and evaluation. – New York: Springer. 2007.
  6. Phillips P., Scruggs T., O’Toole A. FRVT 2006 and ICE 2006 Large-Scale Results. Face Recognition Vendor Test 2006. NISTR 7408. 2007. http://www.nist.gov/itl/iad/ig/frvt-2006.cfm
  7. Степалина Е. Система верификации владельца карманного компьютера по фотопортрету. // Сборник докладов 14-й Всероссийской конференции «Математические методы распознавания образов». Суздаль. 2009.
  8. Samorodov A. Application of fuzzy integral for weak classifiers boosting. // Proceedings of 10th International Conference on Pattern Recognition and Image Analysis. St. Petersburg. 2010.
  9. Beveridge R., Bolme D., Teixera M. The CSU Face Identification Evaluation System User’s Guide: Version 5.0. 2003. http://www.cs.colostate.edu/evalfacerec/index10.php
  10. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). – М.: Наука. 1973.