Применение коллективов решающих правил в системах идентификации лиц по фотографиям

Исследуется и решается задача автоматической идентификации лиц на изображениях посредством создания прототипа системы распознавания, основанного на коллективе решающих правил. В качестве компонентов системы коллективного распознавания используется два метода классификации – алгоритм фото/видео-органайзера Google Picasa и метод ближайшего соседа. Их объединение реализуется по принципу максимума апостериорной вероятности: для неизвестного входного объекта выбирается тот класс, для которого эта вероятность наибольшая. Для выделения лиц на изображениях использован детектор лиц LBP, а для подсчёта расстояний между лицами сформированы векторы информативных признаков, полученные в ходе оценки градиентов яркости всех пикселей изображений и техники HOG. Способом осуществления общего решающего правила выбирается вероятностная нейронная сеть. Созданный алгоритм классификации реализуется на языке C++ в интегрированной среде разработки Microsoft Visual Studio 2010. Проводятся экспериментальные исследования точности распознавания лиц для каждого из трёх методов классификации – алгоритма Google Picasa, метода ближайшего соседа и их комбинации – с использованием фильтров библиотеки OpenCV и популярных баз данных FERET, AT&T и Yale. Результаты экспериментов демонстрируют более высокую точность идентификации при использовании коллектива решающих правил (93,3% при отсутствии фильтрации), чем в случае применения одиночных методов классификации (58,3% - для Google Picasa, 84,7% - для метода ближайшего соседа). Однако скорость работы комитета классификаторов значительно превосходит скорость двух других алгоритмов (среднее время классификации в 4 раза выше, чем у Google Picasa, и в 2 раза больше в сравнении с методом ближайшего соседа).