|
М.В. КУДРЯШОВА
Научный руководитель – Е.В. ЧЕПИН, к.т.н., с.н.с., доцент
Национальный исследовательский ядерный университет «МИФИ»
ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА РАСПОЗНАВАНИЯ
ЧЕЛОВЕКА ПО БИОМЕТРИЧЕСКИМ ПАРАМЕТРАМ
С ЦЕЛЬЮ ПОЛУЧЕНИЯ ДОСТУПА К УПРАВЛЕНИЮ
РОБОТА
В докладе рассматриваются алгоритмы распознавания человека по биометрическим показателям лица и распознавание человека по голосовым характеристикам. Эта система основана на алгоритмах обработки изображений, анализах голосовых характеристик: частота, диапазон, тембр, громкость.
Аутентификация является способом получения доступа к системам с ограниченным доступом. Аутентификация, основанная на измерении биометрических параметров человека обеспечивает почти 100% идентификацию, решая проблему утраты ключей и личных идентификаторов. Такой метод применятся для защиты особо важных объектов и систем. Соединение физиологических и поведенческих методов позволяет уменьшить вероятность ошибки доступа.
Алгоритм обработки изображений является физиологическим методом, который позволяет идентифицировать на расстоянии до десятков метров[1]. Оптический прибор распознает образ лица человека. По выделенным контрольным точкам производятся аффинные преобразования (см. рис. 1). Результат инвертируется с использованием матрицы Якоби и сопоставляется с эталоном. Метод наименьших квадратов показывает степень отклонения от эталона[2].
Рис. 1. Аффинные преобразования изображения I2 относительно I1
Алгоритм распознавания голоса относится к поведенческим методам, вероятность ошибки которого составляет 2-5%. Речевой сигнал представляется в виде вектора, который может быть запомнен в нейросети (см. рис. 2)[3]. Одна из моделей нейросети, обучающаяся без учителя – это самоорганизующаяся карта признаков Кохонена. Этот алгоритм обладает способностью к статистическому усреднению, т.е. решается проблема с вариативностью речи. Как и многие другие нейросетевые алгоритмы, он осуществляет параллельную обработку информации[4]. Процесс сравнения образцов состоит из следующих стадий: фильтрация шумов, спектральное преобразование сигнала, постфильтрация спектра, лифтеринг, наложение окна Кайзера, сравнение.
Рис. 2. Представление голоса в виде вектора
В результате интеллектуальная система распознавания человека по биометрическим параметрам имеет высокую точность идентификации, что является надежной защитой доступа управления роботом. Благодаря параллельной обработке сокращается время вычисления результата. Для реализации методов были задействованы базовые компоненты робота: оптический и акустический приборы.
Список литературы
-
Ole Helvig Jensen. Implementing the Viola-Jones Face Detection Algorithm. – Kongens Lyngby 2008.
-
Форсайт Д., Поинс Ж. Компьютерное зрение. Современный подход. : Пер. с англ. – М.: Издательский дом «Вильямс», 2004. – 928 с. : ил. – Парал. тит. англ.
-
Дьяконов В. П. MATLAB 6.5 SP1/7.0 + Simulink 5/6/ Обработка сигналов и проектирование фильтров. — М.: СОЛОН-Пресс, 2005. — 676 с.
-
Марпл-мл. С. Л. Цифровой спектральный анализ и его приложения. — М.: МИР, 1990. — С. 584.
|