Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/44844| Назва: | Методи сегментації зображень в задачах розпізнавання обличь |
| Інші назви: | Methods of segmentation of images in the problems of face recognition |
| Автори: | Гайдук, Владислав Іванович Haiduk, Vladyslav Ivanovich |
| Приналежність: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Бібліографічний опис: | Гайдук В. І. Методи сегментації зображень в задачах розпізнавання обличь.: кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю „122 – комп’ютерні науки“ / В. І.Гайдук. – Тернопіль: ТНТУ, 2024. – 68 с. |
| Дата публікації: | 29-тра-2024 |
| Дата подання: | 13-тра-2024 |
| Дата внесення: | 3-чер-2024 |
| Країна (код): | UA |
| Місце видання, проведення: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Науковий керівник: | Литвиненко, Ярослав Володимирович |
| Члени комітету: | Жаровський, Руслан Олегович |
| УДК: | 004.04 |
| Теми: | методи попередньої обробки preprocessing methods фільтрація filtering методи основної обробки basic processing methods сегментація segmentation методи розпізнавання recognition methods |
| Короткий огляд (реферат): | Кваліфікаційна робота присвячена огляду та розробці методу (алгоритму) опрацювання (сегментації) зображень для задач розпізнавання обличь. В першому розділі проведено аналіз предметної області та сформульована актуальність теми кваліфікаційної роботи. Було проаналізовано методи сегментації які використовуються під час розв’язку задач розпізнавання обличь. Крім цього розглянуті самі методи розпізнавання обличь. Описано типові труднощі під час сегментації зображень. В другому розділі було проведено огляд методів попередньої обробки зображень описані методи фільтрації. Запропоновані методи попереднього опрацювання зображень для задачі сегментації обличь. Наведені результати застосування запропонованих методів. В третьому розділі проведено аналіз методів основного опрацювання зображень для реалізації алгоритму сегментації обличь. Запропоновано кроки алгоритму сегментації зображень для задачі розпізнавання обличь. Розроблено програму для реалізації запропонованого алгоритму. У Четвертому розділі кваліфікаційної роботи описано основні питання охорони праці і безпеки в надзвичайних ситуаціях. The qualification work is devoted to the review and development of a method (algorithm) of image processing (segmentation) for face recognition tasks. In the first chapter, an analysis of the subject area was carried out and the relevance of the topic of the qualification work was formulated. The segmentation methods used when solving face recognition problems were analyzed. In addition, the face recognition methods themselves. Typical difficulties during image segmentation are described. In the second section, an overview of pre-processing methods was carried out, the described filtering methods were depicted. Proposed image preprocessing methods for face segmentation. The results of the application of the proposed methods are given. In the third section, an analysis of the basic image processing methods for the implementation of the face segmentation algorithm is carried out. The steps of the image segmentation algorithm for the face recognition task are proposed. A program has been developed to implement the proposed algorithm. The Fourth Section of the qualification work describes the main issues of labor protection and safety in emergency situations. |
| Зміст: | ВСТУП 9 1 АНАЛІЗ ЛІТЕРАТУРНИХ ДЖЕРЕЛ В НАПРЯМКУ ОПРАЦЮВАННЯ (СЕГМЕНТАЦІЇ) ЗОБРАЖЕНЬ ДЛЯ ЗАДАЧ РОЗПІЗНАВАННЯ ОБЛИЧЬ 12 1.1 Сегментація зображень для розпізнавання обличь 12 1.1.1 Методи порогової сегментації 13 1.1.2 Сегментація на основі рівня сірого 14 1.1.3 Сегментація на основі кольору в задачах розпізнавання обличь 14 1.1.4 Сегментація на основі вейвлет-перетворень 15 1.1.5 Сегментація з використанням глибокого навчання в задачах розпізнавання обличь (CNN) 17 1.2 Труднощі які виникають під час розпізнавання обличь 18 1.3 Методи розпізнавання обличь………………………………………… 19 1.3.1 Метод головних компонент (PCA) 20 1.3.2 Метод локальних бінарних шаблонів (LBP) 21 1.3.3 Згорткові нейронні мережі (CNN) 22 1.3.4 Адаптивне суміщення екземплярів (AАM, AcoM) 23 1.4 Класифікатори які використовуються для розпізнавання обличь 24 1.5 Метод Хаара (Haar Cascade) 25 1.6 Класифікатори Вейвлет-Хаара 26 1.7 Висновок до першого розділу 27 2 МЕТОДИ ПОПЕРЕДНЬОГО ОПРАЦЮВАННЯ ЗОБРАЖЕНЬ В ЗАДАЧАХ СЕГМЕНТАЦІЇ ОБЛИЧЬ 28 2.1 Визначення діапазону зображення при сегментації 28 2.2 Визначення глибини зображення при сегментації 29 2.3 Фільтрація завад у зображеннях 30 2.3.1 Медіанна фільтрація 31 2.4 Висновок до другого розділу 32 3 МЕТОДИ ОСНОВНОГО ОПРАЦЮВАННЯ ЗОБРАЖЕНЬ В ЗАДАЧАХ РОЗПІЗНАВАННЯ ОБЛИЧЬ 33 3.1 Метод к-середніх (K-means) 33 3.2 Методи виявлення країв при сегментації зображень 34 3.3 Методи пошуку однорідних областей 35 3.4 Методи маркування при сегментації обличь 36 3.5 Еліпс детекція для виявлення області обличчя 38 3.6 Методи встановлення області обличчя 39 3.7 Методи нормалізації при сегментації обличчя 40 3.8 Висновок до третього розділу 41 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 43 4.1 Фактори, які впливають на наслідок ураження електричним струмом 43 4.2 Соціальні небезпеки 48 4.3 Висновок до четвертого розділу 50 ВИСНОВКИ 51 ПЕРЕЛІК ДЖЕРЕЛ 52 ДОДАТКИ |
| URI (Уніфікований ідентифікатор ресурсу): | http://elartu.tntu.edu.ua/handle/lib/44844 |
| Власник авторського права: | © Гайдук Владислав Іванович, 2024 |
| Перелік літератури: | 1. Arulkumar Subramaniam, Jayesh Vaidya, Muhammed Abdul Majeed Ameen, Athira Nambiar, Anurag Mittal. Co-segmentation inspired attention module for video-based computer vision tasks, / Arulkumar Subramaniam, Jayesh Vaidya, Muhammed Abdul Majeed Ameen, Athira Nambiar, Anurag Mittal. // Computer Vision and Image Understanding. – 2022. – С. Volume 223. 2. Анатомія ока. Методи дослідження в офтальмології: навч. посібник для студентів мед. фак.-тів / Н. Г. Завгородня, Л. Е. Саржевська, О. М. Івахненко [та ін]. – Запоріжжя, 2017. – 76 с. 3. M. P. Segundo, L. Silva, O. R. P. Bellon and C. C. Queirolo, "Automatic face segmentation and facial landmark detection in range images", IEEE Trans. Syst. Man Cybern. B Cybern., vol. 40, no. 5, pp. 1319-1330, Oct. 2010. 4. A. S. Jackson and M. V. G. Tzimiropoulos, "A CNN cascade for landmark guided semantic part segmentation", Proc. Eur. Conf. Comput. Vis., pp. 143- 155, 2016. 5. J. Warrell and S. J. D. Prince, "Labelfaces: Parsing facial features by multiclass labeling with an epitome prior", Proc. 16th IEEE Int. Conf. Image Process. (ICIP), pp. 2481-2484, Nov. 2009. 6. M. Subašić, S. Lončarić and A. Heđi, "Segmentation and labeling of face images for electronic documents", Expert Syst. Appl., vol. 39, no. 5, pp. 5134-5143, Apr. 2012. 7. S. Liu, X. Ou, R. Qian, W. Wang and X. Cao, "Makeup like a superstar: Deep localized makeup transfer network", arXiv:1604.07102, 2016, [online] Available: http://arxiv.org/abs/1604.07102. 8. K. Khan, N. Ahmad, K. Ullah and I. Din, "Multiclass semantic segmentation of faces using CRFs", TURKISH J. Electr. Eng. Comput. Sci., vol. 25, no. 4, pp. 3164-3174, 2017. 44 9. M. Dong, S. Wen, Z. Zeng, Z. Yan and T. Huang, "Sparse fully convolutional network for face labeling", Neurocomputing, vol. 331, pp. 465-472, Feb. 2019. 10. G. B. Huang, M. Narayana and E. Learned-Miller, "Towards unconstrained face recognition", Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit. Workshops, pp. 1-8, Jun. 2008. 11. K. Khan, M. Attique, R. U. Khan, I. Syed and T.-S. Chung, "A multi-task framework for facial attributes classification through end-to-end face parsing and deep convolutional neural networks", Sensors, vol. 20, no. 2, pp. 328, 2020. 12. J. Lin, H. Yang, D. Chen, M. Zeng, F. Wen and L. Yuan, "Face parsing with RoI tanh-warping", Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (CVPR), pp. 5654-5663, Jun. 2019. 13. Software for statistical processing and modeling of a set of synchronously registered cardio signals of different physical nature Lupenko, S., Lytvynenko, I., Sverstiuk, A., Horkunenko, A., Shelestovskyi, B. CEUR Workshop Proceedings, 2021, 2864, pp. 194–205 14. Methodology of the Formation of Sports Matches Statistical Information Using Neural Networks Sorokivska, O., Lytvynenko, I., Sorokivskyi, O., Kozbur, H., Strutynska, I. CEUR Workshop Proceedings, 2023, 3628, pp. 389–403 15. Segmentation and Statistical Processing of Geometric and Spatial Data on Self-Organized Surface Relief of Statically Deformed Aluminum Alloy. // Iaroslav Lytvynenko, Pavlo Maruschak, Sergiy Lupenko, Sergey Panin // Applied Mechanics and Materials, 2015, Vol. 770, pp. 288-293. 16. Software for segmentation, statistical analysis and modeling of surface ordered structures // I.V. Lytvynenko, P.O. Maruschak, S.A. Lupenko, Yu. I. Hats, A. Menou, S.V. Panin // MECHANICS, RESOURCE AND DIAGNOSTICS OF MATERIALS AND STRUCTURES (MRDMS-2016): Proceedings of the 10th International Conference on Mechanics, Resource and Diagnostics of Materials and Structures. AIP Publishing, 2016, Vol. 1785, No.1, pp. 030012-1-030012-7. 17. Lupenko S, Lytvynenko I, Stadnyk N, Osukhivska H, Kryvinska N. Modification of the Software System for the Automated Determination of Morphological and Rhythmic Diagnostic Signs by Electrocardio Signals. IntelITSIS-2020, Proceedings of the 1st International Workshop on Intelligent Information Technologies & Systems of Information Security Khmelnytskyi, Ukraine, June 10-12, 2020. pp. 36-46 18. The problem of segmentation of the cyclic random process with a segmental structure and the approaches to its solving / I.V. Lytvynenko / Journal of Hydrocarbon Power Engineering, Oil and Gas Measurement and Testing. 2016, Vol. 3, No. 1, pp. 30-37. 19. Method of the quadratic interpolation of the discrete rhythm function of the cyclical signal with a defined segment structure / I.V. Lytvynenko / Scientific Journal of the ternopil national technical university. 2016, Vol. 84, No. 4, pp. 131-138. 20. Lytvynenko. Method of segmentation of determined cyclic signals for the problems related to their processing and modeling/ I.V. Lytvynenko / Scientific Journal of the ternopil national technical university. 2017, Vol. 88, No. 4, pp. 153-169. 21. The method of segmentation of stochastic cyclic signals for the problems of their processing and modeling/ I.V. Lytvynenko / Journal of Hydrocarbon Power Engineering, Oil and Gas Measurement and Testing. 2017, Vol. 4, No. 2, pp. 93-103. 22. Литвиненко Я.В. Сегментація циклічного випадкового процесу із зонною часовою структурою та оцінка його функції ритму / Литвиненко Я.В. // Матеріали міжнародної науково-практичної конференції «Фундаментальні та прикладні проблеми сучасних технологій» ТНТУ. Тернопіль, 19-21 мая 2010 – Тернопіль, 2010. – С. 274. 23. Литвиненко Я. Програмне забезпечення для сегментації детермінованих циклічних функцій в задачах цифрової обробки даних/ Литвиненко Я., Яскілка В. // Тези доповідей ІІІ науково-технічної конференції «Інформаційні моделі, системи та технології» (24 квітня). 2013. – С. 28. 24. Литвиненко Я. Сегментація циклічних сигналів в задачах цифрової обробки даних: детермінований підхід / Литвиненко Я., Марущак П., Лавренюк Т. // Тези доповідей ІІІ всеукраїнської науково-технічної конференції «Теоретичні та прикладні аспекти радіотехніки і приладобудування». Тернопіль, 8-9 червня 2017. Тернопіль, 2017. – С. 155-157. 25. П.А. Ониськів, Я.В. Литвиненко . Аналіз методів сегментації зображень// Матеріали Ⅳ Міжнародної науково-технічної конференції „Теоретичні та прикладні аспекти радіотехніки, приладобудування і компʼютерних технологій “присвячена 80-ти річчю з дня народження професора ЯІ Проця. 20-21 червня 2019. Тернопіль, 2019. С. 48-49. 26. Методи сегментації зображень в задачах розпізнавання облич. В.І. Гайдук, Я.В. Литвиненко. Тези доповідей XI науково-технічної конференції «Інформаційні моделі, системи та технології» // Тернопільського національного технічного університету імені Івана Пулюя,13-14 грудня, 2023. – C. 28. 27. Труднощі які виникають під час побудови методів розпізнавання облич. В.І. Гайдук, Я.В. Литвиненко. Тези доповідей XI науково-технічної конференції «Інформаційні моделі, системи та технології» // Тернопільського національного технічного університету імені Івана Пулюя,13-14 грудня, 2023. – C. 29. 28. Witkin A.P. Scale-space filtering, Proc. 8th Int. Joint Conf. Art. Intell., Karlsruhe, Germany, 1983. pp. 1019-1022. 29. Witkin А. Scale-space filtering: A new approach to multi-scale description, in Proc. IEEE Int. Conf. Acoust., Speech, Signal Processing (ICASSP), Vol. 9, San Diego, CA, Mar. 1984, pp. 150-153. 30. Wu Z. and Leahy R. (1993): «An optimal graph theoretic approach to data clustering: Theory and its application to image segmentation», IEEE Transactions on Pattern Analysis and Machine Intelligence. 1993. Vol. 15, No. 11. pp. 1101-1113. 31. Zahn C.T. Graph-theoretical methods for detecting and describing gestalt clusters. IEEE Trans. Comput. 1971. Vol. 20. P. 68-86. |
| Тип вмісту: | Master Thesis |
| Розташовується у зібраннях: | 122 — комп’ютерні науки |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Mag_2024_SNnm_61_Гайдук.pdf | 1,21 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора