Магістерські роботи (АСОІУ)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21930

Переглянути

Перегляд Магістерські роботи (АСОІУ) за Ключові слова "004.021, 004.8, 004.93'12"

Зараз показуємо 1 - 1 з 1
  • Ескіз недоступний
    ДокументВідкритий доступ
    Алгоритмічне та програмне забезпечення для визначення 68 ключових точок обличчя
    (2018) Ткаченко, Марія Сергіївна; Ліщук, Катерина Ігорівна
    Актуальність теми. Обличчя є найвиразнішою характеристикою людини. Тому не дивно, що аналіз обличчя використовується при вирішенні дуже різноманітного кола задач, таких як розпізнавання обличчя, розпізнавання емоцій, розпізнавання міміки, розпізнавання напрямку погляду людини (eye tracking), тощо. Розпізнавання обличь на сьогодні є однією з найрозповсюдженіших задач. На сьогодні технологія розпізнавання обличь використовується не тільки в системах контролю доступу, системах охорони, верифікації банківських карт, онлайн платежів, а й наприклад в розблокуванні телефонів. в 2017 році компанія Apple випустила систему FaceId, котра використовується для розблокування телефонів. Тому задача розпізнавання та ідентифікації людини за її обличчям є дуже актуальною. На сьогодні існує велика кількість математичних методів, котрі використовують для розпізнавання обличчя. Серед них часто використовуваними є наступні: метод головних компонент, котрий використовує перетворення Карунена-Лоева, метод порівняння з еталоном, нейронні мережі, приховані марковські моделі [8]. Більшість алгоритмів мають наступний недолік: для розпізнавання необхідне фронтальне зображення обличчя майже без відхилень та досить ярке світло. Для усунення цього недоліку часто використовують крім самої фотографії обличчя ще і його ключові точки. Необхідність використання для розпізнавання обличчя ключових точок обґрунтовується тим, що на фотографіях людина не завжди може дивитись прямо на камеру, інколи обличчя частково повернуте в сторону. Кількість точок та розміщення можуть варіюватися в залежності від обраної задачі та наявних баз даних. Найчастіше використовують 68 точок. [18] Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконувалась в рамках науково-дослідних робіт кафедри автоматизованих систем обробки інформації та управління факультету обчислювальної техніки та інформатики КПІ імені Ігоря Сікорського № 0117U000914 «Математичні моделі та технології в системах підтримки прийняття рішень». Мета і задачі дослідження. Основна мета роботи полягає в розробці математичного та алгоритмічного забезпечення для підвищення точності розпізнавання 68 ключових точок обличчя при поворотах голови та при поганому освітленні, інтеграція розробленого алгоритму в програмне забезпечення, котре використовується для розпізнавання обличчя. Для досягнення поставленої мети необхідно розв‘язати комплекс наступних взаємопов‘язаних задач: - аналіз існуючих методів розпізнавання обличь; - розробка архітектури нейронної мережі, з блоками, що можна налаштовувати; - налаштуванню мають підлягати такі блоки: резидуальні блоки, блоки зменшення розмірності, глибина блоків, фільтри на підблоках, кількість послідовних блоків, та кількість точок-результатів на виході. - дослідження ефективності розробленого алгоритму. Об’єкт дослідження. Процес розпізнавання обличчя за знімком для, котрий містить виявлення положення обличчя на фотографії та знаходження положення 68 ключових точок обличчя. Предмет дослідження. Методи та алгоритми, які використовуються для розпізнавання 68 ключових точок обличчя. Методи дослідження. При проведенні досліджень і розробок у дисертаційній роботі використовувались методи машинного навчання, згорткові нейронні мережі, архітектура hourglass, архітектура unet, optical flow. Для практичної частини – методи функціонального програмування: фреймворк tensorflow, відкриті бази даних для навчання IBug та 300VW. При проведенні досліджень і розробок у дисертаційній роботі використовувались методи машинного навчання, згорткові нейронні мережі, архітектура hourglass, архітектура unet, використання optical flow, для експериментального дослідження – методи об‘єктно-орієнтованого програмування: фреймворк tensorflow, відкриті бази даних IBug та 300VW Наукова новизна одержаних результатів полягає в наступному: а) розроблено алгоритм розпізнавання 68 ключових точок обличчя;. б) Ррозроблено метод комбінування блоків з існуючих архітектур нейронних мереж hourglass, unet, inception, resnet. Практичне значення одержаних результатів. Всі запропоновані математичні моделі і алгоритми доведені до практичної реалізації у рамках програмного забезпечення, котре використовується для розпізнавання напрямку погляду людини. Розроблене програмне забезпечення використовується як зовнішній граф нейронної мережі, який підключається до інших модулів обрахунків. Публікації. За результатами дослідження опубліковано 2 наукових праці, в тому числі 1 статті у наукових фахових виданнях, які індексуються у наукометричних базах Copernicus, arXiv:1712.03228v1 [cs.SD] 8 Dec 2017.