Разработка системы автоматической идентификации изображения лица персоны по видео изображению

Куликов А.А.

Система представляет собой комплекс программного обеспечения с реализованным на данный момент функционалом идентификации персоны по видео изображению в реальном времени. АИС состоит из 4-х блоков: блок извлечения изображения; блок предварительной обработки; блок преобразования и выделения ключевых признаков; блок распознавания.

Ниже приведено изначальное представление изображения в виде одномерного вектора и абсолютные значения чисел после обратного преобразования(Рис.2.;Рис.3.).

Рис2. Значения яркостей пикселей Рис.3.Абсолютные значения коэффициентов исходного изображения. По оси X обратного преобразования Фурье

указан номер пиксела в векторе и операции нормализации

пикселей, по оси Y указана яркость.

Для обучения 2-х слойного перцептрона использован пакетный режим обучения и алгоритм обратного распространения с адаптацией. В пакетном режиме (batch mode) обучение по методу обратного распространения корректировка весов проводится после подачи в сеть всех образцов и расчета суммарной ошибки. Для конкретной эпохи функция ошибки определяется как среднеквадратическая ошибка, представленная в составной форме

Результаты экспериментов

Таблица - Зависимость качества обучения от количества правил

Входных нейронов	Нейронов правил	Распознавание (обучающая выборка)				Распознавание (проверочная выборка)
		Ok	Err	?	Ok		Err	?
20	40	70.5	29.5	0.0	60.0		40.0	0.0
20	80	81.5	17.0	1.5	71.0		27.0	2.0
20	120	91.5	7.5	1.0	79.5		19.0	1.5
20	160	97.5	1.5	1.0	86.0		13.0	1.0
100	40	80.0	20.0	0.0	72.5		27.5	0.0
100	80	90.5	9.5	0.0	81.5		18.5	0.0
100	120	97.0	3.0	0.0	89.0		11.0	0.0
100	160	99.5	0.5	0.0	91.5		8.5	0.0
200	40	73.5	26.5	0.0	70.0		30.0	0.0
200	80	92.5	7.5	0.0	86.0		18.0	0.0
200	120	98.5	1.5	0.0	91.0		9.0	0.0
200	160	100.0	0.0	0.0	93.5		6.5	0.0
400	40	76.5	22.0	1.5	67.5		32.0	1.5
400	80	92.0	7.0	1.0	82.5		16.5	1.0
400	120	97	2.5	0.5	97.5		0.5	1.5
400	160	100.0	0.0	0.0	98.5		0.0	1.5

Вывод:

В результате проведенных экспериментальных работ определено, что существуют оптимальные параметры нейронной сети.

Для работы эти параметры составляют:

- оптимальное количество входных нейронов - 400;

- оптимальное количество нейронов правил - 160;

- оптимальное количество термов признаков - 5.

При этих значениях характеристики сети на базе данных следующие:

1) обучающая выборка:

- корректно распознанных – 100%;

- ошибочных классификаций – 0%;

- нераспознанных – 0%.

2) проверочная выборка:

- корректно распознанных – 99%;

- ошибочных классификаций – 0.5%;

- нераспознанных – 0.5%.