Современные нейросетевые модели частично решают эту проблему, но требуют огромных вычислительных мощностей и объемных обучающих выборок, уточнили в СПбГУПТД.
САНКТ-ПЕТЕРБУРГ, 8 сентября. /ТАСС/. Исследователи Санкт-Петербургского государственного университета промышленных технологий и дизайна (СПбГУПТД) разработали метод, позволяющий системам распознавания лиц работать точнее в условиях неравномерного освещения без использования ресурсоемких нейросетей. Об этом сообщили ТАСС в пресс-службе вуза.
«Системы автоматического распознавания лиц сегодня используются повсеместно: от турникетов в бизнес-центрах до банковских приложений. Однако в реальных условиях — на улице, в коридорах, у входа в здание — освещение редко бывает идеальным. Боковой свет, контровое освещение от окна, глубокие тени от козырьков или ламп искажают текстуру кожи и контуры лица. Современные нейросетевые модели частично решают эту проблему, но требуют огромных вычислительных мощностей и объемных обучающих выборок», — привели в пресс-службе слова научного руководителя проекта, ассистента кафедры интеллектуальных систем и защиты информации СПбГУПТД Артура Тяна.
По данным пресс-службы, ученые СПбГУПТД предлагают применять технологию компьютерного зрения LBPH в сочетании с предобработкой изображений с помощью метода CLAHE. Суть такой предобработки в том, что каждое полученное изображение лица разбивается на небольшие фрагменты, после чего алгоритм локально выравнивает контраст в каждом таком фрагменте без избыточного усиления ярких зон, что эффективнее всего проявляется в областях с выраженной неравномерностью освещения. LBPH-классификатор является хорошо зарекомендовавшим себя методом текстурного описания лица. Алгоритмы отличаются низкой вычислительной сложностью, поэтому метод позволяет эффективно работать на стандартных процессорах.
Ученые вуза провели экспериментальное исследование, сфотографировав 10 добровольцев при семи условиях освещения: норма, затемнение, пересвет, тень слева, тень справа, тень сверху, прожектор. Эксперименты подтвердили, что предварительная обработка изображений с помощью CLAHE помогает LBPH-классификатору увереннее узнавать лица там, где раньше система ошибалась. В частности, CLAHE обеспечил прирост точности при затемнении, пересвете и боковой тени слева.
Разработчики также подчеркнули высокий уровень безопасности предложенного метода. Благодаря низкой вычислительной нагрузке процесс верификации может происходить локально на устройстве без передачи данных на удаленный сервер. Кроме того, в системе хранятся не фотографии, а математические гистограммы признаков, которые невозможно преобразовать обратно в изображение. Такой подход обеспечивает необратимость биометрических шаблонов и соответствует международному стандарту ISO/IEC 24745.