Использование центрально-симметричных признаков Хаара для локализации печати на паспорте гражданина РФ

Обложка

Цитировать

Полный текст

Аннотация

В статье предложена оригинальная модификация алгоритма Виолы-Джонса в части используемого пространства признаков для решения задачи поиска и локализации круглого оттиска печати на изображениях документа. Показано, что точность локализации объекта детектором существенно повышается при расширении признакового пространства квадратными центрально-симметричными признаками. Преимущества данного метода продемонстрированы в контексте поиска гербовой печати на изображениях паспорта гражданина Российской Федерации. Приведены количественные оценки полученного улучшения.

Об авторах

Максим Александрович Валов

ООО «Смарт Энджинс Сервис»

Email: m.valov@smartengines.com

Лаборант-программист

Россия, Москва

Даниил Павлович Маталов

ООО «Смарт Энджинс Сервис»; Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Email: d.matalov@smartengines.com

Научный сотрудник-программист, младший научный сотрудник

Россия, Москва; Москва

Сергей Александрович Усилин

ООО «Смарт Энджинс Сервис»; Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Автор, ответственный за переписку.
Email: usilin@smartengines.com

Исполнительный директор, ведущий научный сотрудник,  кандидат технических наук

Россия, Москва; Москва

Список литературы

  1. Viola P., Jones M.J. Robust Real-Time Face Detection // International Journal of Computer Vision 57, С. 137–154 (2004). https://doi. org/10.1023/B:VISI.0000013087.49260.fb
  2. Huang J., Shang Y., Chen H. Improved Viola-Jones face detection algorithm based on HoloLens // J Image Video Proc. 2019. Т. 2019. №. 1. С. 1-11.
  3. Lu Wen-Yao, and Y.A.N.G. Ming. Face detection based on viola-jones algorithm applying composite features. 2019 International Conference on Robots & Intelligent System (ICRIS) С. 82-85.
  4. Поляков И.В., Кузнецова Е.Г., Усилин С.А., Николаев Д.П. Построение оптимальных каскадов Виолы–Джонса при помощи “жадных” алгоритмов перебора управляющих параметров с промежуточным контролем по валидационной выборке // Сенсорные системы. 2016. Т. 30. №3. С. 241-248.
  5. Пчелинцев С.Ю., Арзамасцев А.А. Применение Метода Виолы-Джонса для распознавания дорожных знаков // Российская наука в современном мире. 2019. С. 111-112.
  6. Jose A, Thodupunoori H, Nair BB. A novel traffic sign recognition system combining Viola–Jones framework and deep learning // InSoft Computing and Signal Processing. Springer, Singapore. 2019. Р. 507-517.
  7. Hussein I.J. et al. Fully automatic segmentation of gynaecological abnormality using a new viola– jones model // Comput. Mater. Contin. 2021. Т. 66. Р. 3161-3182.
  8. Usilin S.A., Slavin O.A., Arlazarov V.V. Memory Consumption and Computation Efficiency Improvements of Viola–Jones Object Detection Method for Remote Sensing Applications // Pattern Recognition and Image Analysis. 2021. Т. 31. №.3. Р. 571-579.
  9. Xu Y, Yu G, Wang Y, Wu X, Ma Y. A hybrid vehicle detection method based on viola-jones and HOG+ SVM from UAV images. // Sensors. 2016 Aug 19;16(8):1325.
  10. Usilin S. et al. Visual appearance based document image classification // Proceedings - International Conference on Image Processing, ICIP. Hong Kong, 2010. P. 2133–2136.
  11. Арлазаров В.В., Николаев Д.П., Усилин С.А., Шоломов Д.Л. Распознавание гильоширных элементов: определение страниц паспорта РФ // Труды ИСА РАН. 2013. Т. 63. № 3. С. 106-110.
  12. Арлазаров В.В., Маталов Д.П., Усилин С.А. Локализация образа печати на документе, удостоверяющем личность, методом машинного обучения // Труды ИСА РАН. 2018.Т. 68. Спецвыпуск № S1. С. 158-166. doi: 10.14357/20790279180518.
  13. Kuznetsova E., Shvets E., Nikolaev D. Viola- Jones based hybrid framework for real-time object detection in multispectral images // ICMV 2015 / Antanas Verikas; Petia Radeva; Dmitry Nikolaev. – Bellingham, Washington 98227-0010 USA: Society of Photo-Optical Instrumentation Engineers (SPIE). Т. 9875. 2015. Р. 98750N1- 98750N6. doi: 10.1117/12.2228707.
  14. Алиев М.А., Арлазаров В.В., Маталов Д.П., Николаев Д.П., Полевой Д.В., Усилин С.А. Способ оценки действительности документа при помощи оптического распознавания текста на изображении круглого оттиска печати/штампа на цифровом изображении документа // Роспатент RU 2750395 C1.
  15. Everingham M., Van Gool L., Williams C.K.I. et al. The PASCAL Visual Object Classes (VOC) Challenge. Int J Comput Vis, 2010. Т. 88. No. 2, Р. 303–338. https://doi.org/10.1007/s11263-009-0275-4.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

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».