Сравнительный анализ алгоритмов распознавания лиц …
7
Значения показателей FAR (доля ложных срабатываний) и FRR
(доля ложных отказов) для разработанной системы при использова-
нии разных алгоритмов распознавания пользователя по изображению
приведены в табл. 1.
Таблица 1
Сравнение значений показателей FAR и FRR
FAR
FRR
Срабатывания
EigenFace
13%
6%
81%
Фильтры Габора
26,5%
0%
73,5%
Заключение.
Для эксперимента использовалась система, в кото-
рой подходящими считались все результаты, не превышающие неко-
торого порогового значения. Такой подход позволяет получить вы-
борку результатов вместо одного, что увеличивает вероятность
совпадения. К тому же варьирование этого значения предоставляет
возможность ужесточения либо ослабления критериев распознава-
ния. Следовательно, скорость работы алгоритма с применением
фильтров Габора позволяет рекомендовать его для распознавания
лиц в больших потоках для первичного отбора. Однако недостаточ-
ная точность требует вторичной обработки отобранных изображений
более точным алгоритмом, например EigenFace. В свою очередь, ал-
горитм EigenFace может успешно функционировать в системах осо-
бого контроля с малым потоком пользователей, так как требует зна-
чительных ресурсов.
ЛИТЕРАТУРА
[1] Viola P. and Jones M.J. Robust real-time face detection.
International Journal
of Computer Vision
, vol. 57, no. 2, 2004, pp. 137–154.
[2] Гонсалес Р., Вудс Р.
Цифровая обработка изображений
. Москва, Техно-
сфера, 2005, 1072 с.
Статья поступила в редакцию 10.06.2013
Ссылку на эту статью просим оформлять следующим образом:
Рогозин О.В., Кладов С.А. Сравнительный анализ алгоритмов распо-
знавания лиц в задаче визуальной идентификации.
Инженерный журнал:
наука и инновации
, 2013, вып. 6 URL:
/
hidden/818.html
Рогозин Олег Викторович
— канд. техн. наук, доцент кафедры «Программное
обеспечение ЭВМ и информационные технологии» МГТУ им. Н.Э. Баумана.
e-mail:
