Методы реализации и практические результаты

Инструменты реализации

Данная программа многофакторной биометрической идентификации человека была разработана на языке Java, в среде разработки Intellij Idea. Для решения некоторых задач в процессе разработки были использованы следующие сторонние библиотеки:

• · Sarxos Webcam — библиотека, обеспечивающая доступ к подключенным веб-камерам и захвата изображения с них;
• · Slf4j, log4j — библиотека расширенных возможностей логирования, используется Sarxos webcam;
• · Bridj — библиотека взаимодействия с драйверами веб-камеры, используется Sarxos webcam;
• · Apache common math 3 — математическая библиотека;
• · Алгоритм Fast Fourier Transform. 10]

Структура приложения

Вся система идентификации разбита на три логических модуля: модуль идентификации по изображению, модуль идентификации по голосу, модуль хранения данных и интерпретации результатов.

Взаимодействие пользователя с программой организовано через графический интерфейс.

Структура приложения отражена на рис. 3.

Рисунок 3. Схема архитектуры программы.

Модуль идентификации по изображению

Основой данного модуля является алгоритм Eigenface, который производит идентификацию на подготовленных данных в виде векторов изображений. Также данный модуль включает в себя алгоритмы предобработки растровых изображений в формате PGM и PNG.

1. Обучение.

На вход алгоритма обучения поступает матрица, составленная из векторов всех изображений всех пользователей. Все векторы имеют одинаковую размерность, при работе с имеющейся выборкой изображений с размерами 92×112 точек, векторы имеют длину 10 304 и хранят целочисленное значение интенсивности серого цвета от 0 до 255.

Обучение происходит каждый раз после добавления нового человека или изображения в базу. По завершении обучения матрица записывается на жесткий диск и выгружается из оперативной памяти.

2. Идентификация.

На вход алгоритма идентификации подается целочисленный вектор тестового изображения, имеющий формат идентичный векторам обучающей выборки. Производится определение вектора, наиболее близко расположенного к данному тестовому вектору. При тестировании различных подходов к расчету расстояния были получены результаты, свидетельствующие о том, что квадрат Евклидова расстояния показывает лучшее качество выделения идентифицированного изображения среди всей выборки по сравнению с расстоянием Махаланобиса.

Эмпирически на основе 40 экспериментов было выбрано пороговое значение расстояния в 1*10⁶.

На выходе имеется индекс найденного изображения в обучающей матрице и расстояние до него от тестового вектора.

3. Предобработка изображений Данный модуль позволяет подготавливать изображения для последующей их обработки. Так, имеются методы загрузки изображений в формате PNG и PGM. Модуль позволяет привести изображения размерностей больших, чем 92×112 к данным параметрам, с тем условием, что лица на изображении расположено точно по центру.

Имеется функция загрузки цветных PNG изображений с приведением их к формату оттенков серого.