Development of technique for face detection in image based on binarization, scaling and segmentation methods
| Autor: | Fedorov, Eugene, Utkina, Tetyana, Nechyporenko, Olga, Korpan, Yaroslav |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2020 |
| Předmět: |
UDC 004.931
Computer Science::Computer Vision and Pattern Recognition обнаружение лица изображение бинаризация масштабирование сегментация плотностная кластеризация ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION face detection image binarization scaling segmentation density clustering виявлення обличчя зображення бінаризація масштабування сегментація щільнісна кластеризація |
| Zdroj: | Східно-Європейський журнал передових технологій; Том 1, № 9 (103) (2020): Інформаційно-керуючі системи; 23-31 Восточно-Европейский журнал передовых технологий; Том 1, № 9 (103) (2020): Информационно-управляющие системы; 23-31 Eastern-European Journal of Enterprise Technologies; Том 1, № 9 (103) (2020): Information and controlling system; 23-31 |
| ISSN: | 1729-3774 1729-4061 |
| Popis: | A technique for face detection in the image is proposed, which is based on binarization, scaling, and segmentation of the image, followed by the determination of the largest connected component that matches the image of the face.Modern methods of binarization, scaling, and taxonomic image segmentation have one or more of the following disadvantages: they have a high computational complexity; require the determination of parameter values. Taxonomic image segmentation methods may have additional disadvantages: they do not allow noise and outliers selection; clusters can’t have different shapes and sizes, and their number is fixed.Due to this, to improve the efficiency of face detection techniques, the methods of binarization, scaling and taxonomic segmentation needs to be improved.A binarization method is proposed, the distinction of which is the use of the image background. This allows to simplify the process of scaling and segmentation (since all the pixels in the background are represented by the same color), non-uniform brightness of the face, and not to use the threshold settings and additional parameters.A binary image scaling method is proposed, the distinction of which is the use of an arithmetic mean filter with threshold processing and fast wavelet transform. This allows to speed up the image segmentation process by about P2 times, where P is the scaling parameter, and not to use the time-consuming procedure for determining.A binary scaled image segmentation method is proposed, the distinction of which is the use of density clustering. This allows to separate areas of the face of non-uniform brightness from the image background, noise and outliers. It also allows clusters to have different shapes and sizes, to not require setting the number of clusters and additional parameters.To determine the scaling parameter, numerous studies were conducted in this work, which concluded that the dependence of the segmentation time on the scaling parameter is close to exponential. It was also found that for small P, where P is the scaling parameter, the quality of face detection deteriorates slightly.The proposed technique for face detection in image based on binarization, scaling and segmentation can be used in intelligent computer systems for biometric identification of a person by the face image Предлагается методика обнаружения лица на изображении, которая основана на бинаризации, масштабировании, сегментации изображения с последующим выбором максимального связующего компонента, который соответствует образу лица.Современные методы бинаризации, масштабирования и таксономической сегментации изображений обладают одним или более из следующих недостатков: имеют высокую вычислительную сложность; требуют определения значений параметров. Методы таксономической сегментации изображений могут обладать дополнительными недостатками: не позволяют выделять шум и случайные выбросы; кластера не могут иметь различную форму и размер, и их количество фиксировано.В связи с этим, для повышения эффективности методики обнаружения лица на изображении необходимо усовершенствование методов бинаризации, масштабирования и таксономической сегментации.Предложен метод бинаризации, особенностью которого является использование фона изображения. Это позволяет упростить процесс масштабирования и сегментации (поскольку все пиксели фона представлены одним цветом), неоднородную яркость лица, и не использовать настройку порога и дополнительные параметры.Предложен метод масштабирования бинарного изображения, особенностью которого является использование среднеарифметического фильтра с пороговой обработкой и быстрого вейвлет-преобразования. Это позволяет ускорить процесс сегментации изображения примерно в раз, и не использовать трудоемкую процедуру определения дополнительных параметров.Предложен метод сегментации бинарного масштабированного изображения, особенностью которого является использование плотностной кластеризации. Это позволяет отделять участки лица неоднородной яркости от фона изображения, шума и случайных выбросов. Также это позволяет кластерам иметь разную форму и размер, не требовать задания количества кластеров и дополнительных параметров.Для определения параметра масштабирования в работе были проведены многочисленные исследования, которые установили, что зависимость времени сегментации от параметра масштабирования близка к экспоненциальной. Также было установлено, что при малых P, где P – параметр масштабирования, качество обнаружения лица ухудшается незначительно.Предложенная методика обнаружения лица на изображении на основе бинаризации, масштабирование и сегментации может использоваться в интеллектуальных компьютерных системах биометрической идентификации личности по изображению лица Пропонується методика виявлення обличчя на зображенні, яка заснована на бінаризації, масштабуванні, сегментації зображення з подальшим вибором максимальної зв’язуючої компоненти, яка відповідає образу обличчя.Сучасні методи бінаризації, масштабування та таксономічної сегментації зображень володіють одним або більше з таких недоліків: мають високу обчислювальну складність; вимагають визначення значень параметрів. Методи таксономічної сегментації зображень можуть володіти додатковими недоліками: не дозволяють виділяти шум і випадкові викиди; кластери не можуть мати різну форму та розмір, і їх кількість фіксована.У зв’язку з цим, для підвищення ефективності методики виявлення обличчя на зображенні необхідне вдосконалення методів бінаризації, масштабування та таксономічної сегментації.Запропоновано метод бінаризації, особливістю якого є використання фону зображення. Це дозволяє спростити процес масштабування та сегментації (оскільки всі пікселі фону представлені одним кольором), неоднорідну яскравість обличчя, і не використовувати налаштування порогу й додаткові параметри.Запропоновано метод масштабування бінарного зображення, особливістю якого є використання середньоарифметичного фільтра з порогової обробкою та швидкого вейвлет-перетворення. Це дозволяє прискорити процес сегментації зображення приблизно в раз, де – параметр масштабування, і не використовувати трудомістку процедуру визначення додаткових параметрів.Запропоновано метод сегментації бінарного масштабованого зображення, особливістю якого є використання щільнісної кластеризації. Це дозволяє відокремлювати ділянки обличчя неоднорідної яскравості від фону зображення, шуму та випадкових викидів. Також це дозволяє кластерам мати різну форму і розмір, не вимагати завдання кількості кластерів й додаткових параметрів.Для визначення параметра масштабування в роботі були проведені численні дослідження, які встановили, що залежність часу сегментації від параметра масштабування близька до експоненційної. Також було встановлено, що при малих, якість виявлення обличчя погіршується незначно.Запропонована методика виявлення особи на зображенні на основі бінаризації, масштабування та сегментації може використовуватися в інтелектуальних комп’ютерних системах біометричної ідентифікації особистості по зображенню обличчя |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|