МЕТОД ИДЕНТИФИКАЦИИ ОБЪЕКТОВ В СИСТЕМАХ ВИДЕОНАБЛЮДЕНИЯ НА ОСНОВЕ МАТЕМАТИЧЕСКОГО АППАРАТА ИММУНОКОМПЬЮТИНГА
, аспирант кафедры безопасных информационных технологий СПб НИУ ИТМО, *****@***com
Аннотация
В статье предложен подход для решения задачи идентификации объектов в видеопотоке. Рассмотрена возможность использования научно-методического аппарата иммунокомпьютинга для решения поставленной задачи. Формулируются цели, задачи исследования, а также полученные промежуточные результаты.
Введение
В рамках предлагаемой̆ статьи объекты в видеопотоке описываются рядом признаков и показателей̆, c помощью которых можно четко характеризовать объект или его состояние. Например, собрав все показатели воедино и проанализировав их, можно идентифицировать объект или его состояние из ряда множества других объектов и состояний. Основная сложность при таком подходе заключается в том, что зачастую информация, описывающая объект, представлена в виде большого количества регистрационных данных.
Решение
Для решения проблемы по обработке и анализу большого неструктурированного потока информации существуют различные математические подходы. Например, одним из таких подходов является метод главных компонент (Principal Component Analysis, PCA). Задача данного метода заключается в извлечении из большого массива данных нужной̆ информации, поскольку данные всегда (или почти всегда) содержат в себе нежелательную составляющую, иначе называемую шумом. Другой̆ популярный̆ подход - деревья решений. Метод заключается в представлении данных в иерархической̆ последовательной̆ структуре [1]. Этот метод успешно применяется для решения задач классификации и регрессии.
В рамках статьи предлагается использовать метод иммунокомпьютинга. Иммунокомпьютинг изучает принципы обработки неструктурированной информации для решения сложных практических задач. Математический базис, применяемый в рамках вычислительных процедур иммунокомпьютинга, основан на свойствах сингулярного разложения матриц (Singular Value Decomposition, SVD). Математическая процедура представляет собой декомпозицию вещественной матрицы с целью приведения ее к каноническому виду. Сингулярное разложение является удобным методом при работе с матрицами. Оно показывает геометрическую структуру матрицы и позволяет наглядно представить имеющиеся данные.
Одна из наиболее часто решаемых задач с помощью иммунокомпьютинга - это задача распознавания объектов. В данных задачах для определения связи между объектами вводится понятие энергии связи, которое используется в качестве аналога расстояния между объектами [2].
Для иллюстрации задачи идентификации объектов в видеопотоке проводится эксперимент, в рамках которого применяется предлагаемый способ на основе иммунокомпьютинга в целях поиска и идентификации лиц человека в видеопотоке в режиме реального времени. Предполагается возможность создания такого признакового пространства, которое сможет четко характеризовать найденное лицо в виде числового вектора. В настоящее время проводятся исследования, направленные на формирование такого признакового пространства и оценки влияния информационного шума на качество распознавания.
Предполагается создание обучающих выборок с множеством классов, каждый класс характеризует лицо одного человека. При получении входного изображения видеопотока будут выделяться лица и по каждому лицу будет сформирован «портрет», представляющей̆ собой̆ вектор характеристик распознаваемого лица, и, в результате применения аппарата иммунокомпьютинга отнесение его к тому или иному классу обучающей выборке.
В результате исследования предполагается разработка программного модуля для автоматической идентификации лиц в видеопотоке в режиме реального времени.
Литература
1. S. Murthy. Automatic construction of decision trees from data: A Multi-disciplinary survey. 1997.
2. Alexander O. Tarakanov, Victor A. Skormin, S. P. Sokolova. Immunocomputing: Principles and Applications. N. Y. Springer. 2003.
