Deskryptory lingwistyczne w rozpoznawaniu twarzy

Fot. Michał Łepecki

Metody komputerowej identyfikacji osób w oparciu o ich zdjęcia skupiają obecnie uwagę badaczy z całego świata. Ma to niewątpliwie związek z ich licznymi zastosowaniami na przykład w systemach bezpieczeństwa (przy kontroli dostępu), poszukiwaniu zaginionych i przestępców czy też kontroli granicznej. Ich rozwój nasilił się na przestrzeni ostatnich dwóch dekad za sprawą upowszechniania się technologii informatycznych, wszechobecności monitoringu, wzrostu mocy obliczeniowej komputerów i usprawnienia metod analizy danych, pozwalających ograniczyć rozmiar przetwarzanej informacji zawartej w obrazach cyfrowych.

Celem projektu było zbadanie oraz rozwój nowatorskich i oryginalnych zastosowań metod obliczeń inteligentnych z wykorzystaniem ziaren informacji w zagadnieniu biometrycznej klasyfikacji osób na podstawie cyfrowych obrazów ich twarzy, ze szczególnym uwzględnieniem metod modelowania lingwistycznego oraz deskryptorów lingwistycznych, jak również deskryptorów lokalnych (Chain Code-Based Local Descriptor). Podjęte zagadnienie rozpoznawania twarzy jest z punktu widzenia technik komputerowych niezmiernie złożonym problemem m.in. dlatego, że musi uwzględniać wiele różnorakich czynników mających istotny wpływ na obraz ludzkiej twarzy takich, jak chociażby proces starzenia, naturalne i nienaturalne zmiany zachodzące w twarzoczaszce, ułożenie oraz mimika twarzy, różne kierunki jej oświetlenia, zakrycie części twarzy, czy chociażby jakość wykonanych zdjęć. Znane metody identyfikacji wykazują się zwykle zadowalającą skutecznością, ale niestety tylko w warunkach testowych zbliżonych do idealnych, tj. w sytuacji, gdy weryfikuje się je, korzystając ze zdjęć zawartych w publicznie dostępnych bazach danych, na których twarze są podobnie oświetlone, a zdjęcia danej osoby wykonane są w niewielkich odstępach czasu. W tej sytuacji członkowie zespołu badawczego zaproponowali teoretyczne i implementacyjne opracowanie nowych i oryginalnych algorytmów klasyfikacji twarzy, opartych na nowatorskich metodach obliczeń z wykorzystaniem ziaren informacji, wzbogaconych o wykorzystanie wiedzy eksperckiej oraz wyników badań psychologicznych, dotyczących istotności poszczególnych części twarzy w procesie rozpoznawania u ludzi. Podkreślić należy, że to dodatkowe wykorzystanie procesów poznawczych ludzi w automatycznym rozpoznawaniu osób było bardzo ważnym aspektem prezentowanego projektu.

Główne wyniki projektu to:

• efektywny deskryptor lokalny Chain Code-Based Local Descriptor,
• metody określania istotności poszczególnych cech twarzy w procesie ich rozpoznawania, jak również opisywania ich cech stosowanych w procesach klasyfikacji z wykorzystaniem deskryptorów lingwistycznych i narzędzi teorii podejmowania decyzji, np. AHP,
• metoda optymalnego wyboru parametrów funkcji agregujących wyniki poszczególnych klasyfikatorów zbudowanych dla różnych części twarzy i w oparciu o różne metody klasyfikacji,
• analiza skuteczności różnorodnych funkcji agregujących, w tym całki Choqueta i jej uogólnień, w procesach klasyfikacji,
• propozycja graficznych interfejsów dla wybranych narzędzi teorii podejmowania decyzji.

dr Paweł Karczmarek

Ukończył matematykę (specjalizację informatyczną) na Katolickim Uniwersytecie Lubelskim Jana Pawła II w 2005 r. W latach 2005-2018 pracował w Instytucie Matematyki i Informatyki KUL. W 2010 r. obronił doktorat z matematyki na Uniwersytecie Gdańskim, następnie odbył staż podoktorski na Uniwersytecie Alberty (2011-2012). Aktualnie jest adiunktem w Instytucie Informatyki Politechniki Lubelskiej. Jest autorem 36 publikacji naukowych. Jego zainteresowania badawcze to rozpoznawanie twarzy, uczenie maszynowe, inteligencja obliczeniowa, obliczenia ziarniste, teoria podejmowania decyzji i metody numeryczne.