Алгоритм и программное обеспечение распознавания лиц монозиготных близнецов

Обложка

Цитировать

Полный текст

Аннотация

Проблема распознавания лиц монозиготных близнецов является весьма важной и трудно решаемой. Существующие программные продукты по распознаванию лиц для данной цели в большинстве случаев не справляются с этой задачей. В данной работе предложен алгоритм распознавания лиц монозиготных близнецов, основанный на природной и искусственно созданной асимметрии лица, с использованием преобразования Фурье. Программа, реализующая предложенный алгоритм, создает два изображения из левых и правых половин исходного фото лица первого близнеца и еще одно изображение как среднее из двух созданных. На основе полученных четырех изображений создается вектор из 28 значений классификаторов для сравнения. Аналогично создается второй вектор по изображениям второго близнеца. При сравнении значений двух векторов срабатывает невидимый эффект асимметрии лиц близнецов, позволяющий их различить.

Об авторах

Ю. Н. Липин

Пермский научный исследовательский политехнический университет

Автор, ответственный за переписку.
Email: ur-lip193530@yandex.ru
кандидат технических наук, доцент 614990, Россия, г. Пермь, ул. Комсомольский проспект, 29

Список литературы

  1. Какие бывают близнецы? Чем отличаются монозиготные и двузиготные близне-цы? (7ya.ru). URL: https://www.7ya.ru/article/Iz-odnogo-yajca/?ysclid= m1xv2df7ac804445780 (дата обращенияa: 28.05.2024).
  2. Основы психогенетики (дата обращения: 23.11.2018). Архивировано 8 ноября 2016 года.
  3. Егорова М., Пьянкова С. Динамика близнецовой рождаемости в России (1959–2008) // Психологические исследования. 2010-10-31. Т. 3, вып. 13. ISSN 2075-7999. doi: 10.54359/ps.v3i13.893. Архивировано 2 апреля 2022 года.
  4. Малых С.Б., Егорова М.С. Основы психогенетики. М.: Эпидавр, 1998. C. 134.
  5. Джайн А.К., Росс А.А., Нандакумарр К. Введение в биометрию. Springer Science Business Media, Нью-Йорк, 2011. 312 с.
  6. Болотникова А., Демирель Х., Анбарджафари Г. Система распознавания лиц на основе ансамбля в реальном времени для гуманоидов NAO с использованием ло-кальной двоичной схемы. Аналоговый интеграл. Circ. Sig. роцесс. 92 (3), 1–9 (2017).
  7. Люси Я., Джуниор Дж. Дж., Горбова Дж., Баро, Эскалера Х, С., Демирель Х., Ал-лик Дж., Озчинар К., Анбарджафари Г. В совместной задаче по распознаванию доминирующих и дополнительных эмоций с использованием микроэмоциональ-ных признаков и оценки положения головы: базы данных. Автоматическое распознавание лиц и жестов (FG 2017), 2017. 12-я Междунар. конф. IEEE по (IEEE, Вашингтон, 2017). С. 809–813.
  8. Анбарджафари Г. Распознавание лиц с использованием цветового локального бинарного шаблона из взаимно независимых цветовых каналов. EURASIP J. Процесс обработки изображений и видео. 2013 (1), 6 (2013).
  9. Филлипс П., Флинн П., Бауэр К., Брейгге Р., Гротер П., Куинн Г., Прюитт М. В протоколе. Конференция IEEE. Autom. Распознавание жестов лица. Семинары. Различение идентичных близнецов с помощью распознавания лиц (IEEE, Санта-Барбара, 2011). С. 185–192. doi: 10.1109/FG.2011.5771395.
  10. Бледсо W.W. Модельный метод в распознавании лиц. Т. 15. Panoramic Research Inc, Пало-Альто, 1966. С. 47.
  11. Терк М., Пентланд А. Собственные грани для распознавания [J]. J. Cogn. Neurosci. 1991. Вып. 3(1). С. 71–86.
  12. X-Y Li, Z-X Lin на Евро-китайской конференции по интеллектуальному анализу данных и приложениям. Распознавание лиц на основе алгоритма HOG и Fast PCA. Springer, Cham, 2017.
  13. Вьяс Р.А., Шах С.М. Сравнение методов PCA и LDA для выделения признаков на основе распознавания лиц с повышением точности [J] // Междунар. науч.-практ. конф. J. Eng. Технология. 4(6), 3332–3336. 2017.
  14. САЙ Лоу, АБДЖ Тео, Си Джей Нг. В IEEE Transactions on Circuits and Systems for Video Technology. Дескриптор многократной свертки фильтров Gabor, PCA и ICA для распознавания лиц [J]. 2017.
  15. Липин Ю.Н., Сторорожев С.А. Разработка программы моделирования алгорит-мов систем распознавания лиц // VIII Всерос. науч.-практ. конф. с междунар. уча-стием "Искусственный интеллект в решении актуальных социальных и экономи-ческих проблем XXI века". 2022.
  16. Lipin YU. N., Stororozhev S.A. Development of an algorithm for human face recognition (2021). International Conference on Data Analytics for Business and Industry (ICDA-BI)). (In Russ.).
  17. Липин Ю.Н. Разработка алгоритма распознавания лиц с учетом особенностей ра-боты человеческого мозга // Вестник Пермского университета. Математика. Ме-ханика. Информатика. 2023. Вып. 2(61). С. 59–64.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».