УДК 621. 391. 037. 372

ПОИСК ЛЮДЕЙ ПО ФОТОРОБОТАМ: СОСТОЯНИЕ ПРОБЛЕМЫ И ТЕХНОЛОГИИ

Кухарев Г.А., Матвеев Ю.Н., Щеголева Н.Л.


Читать статью полностью 
Язык статьи - Русский


Аннотация
 Обсуждается  проблема  поиска  людей  по  фотороботам,  составленным  по  словесному  портрету. Приводится  обзор  состояния этой  проблемы  от  исходных  понятий  и  используемой терминологии  до  современных технологий  создания  фотороботов,  реальных  сценариев  и  результатов  поиска.  Представлены  история  развития систем формирования композиционных портретов (фотороботов и скетчей) и идеи, реализованные в этих системах. 
Обсуждается  задача  автоматического  сравнения  фотороботов  с  оригинальными  фотографиями,  вскрываются причины недостижимости устойчивого поиска фотопортретов-оригиналов по фотороботам в реальных сценариях. Формулируются требования к базам фотороботов в дополнение к существующим бенчмарковым базам изображений лиц, а также способы реализации таких баз. В рамках этих способов обсуждаются методы генерации популяции фотороботов  из  исходного  фоторобота  для  повышения  результативности  поиска  по  нему  фотопортрета-оригинала.  Представлен метод повышения индекса подобия в паре фоторобот/фотопортрет, основанный на вычислении среднего фоторобота из сформированной популяции. Показано, что такие фотороботы более подобны портретам-оригиналам и их использование в обсуждаемой проблеме поиска может привести к высоким результатам. При этом сформированные фотороботы отвечают требованиям правдивого сценария, поскольку учитывают возможность неполной информации  в  словесных  портретах.  Обсуждаются  результаты  применения  этих  методов  для  баз  CUHK  Face  Sketch database и CUHK Face Sketch FERET database, а также опубликованных в открытой печати фотороботов и соответствующих им фотографий.

Ключевые слова:  изображения лиц, фоторобот, скетч

Благодарности. Данное исследование проводится при частичной финансовой поддержке Правительства Российской Федерации (грант № 074-U01).

Список литературы
1. Uhl R.J. Jr., Lobo N.V. A framework for recognizing a facial image from a police sketch // Proc. IEEE Computer
Society Conference on Computer Vision and Pattern Recognition. San Francisco, USA, 1996. P. 586–
593.
2. Konen W. Comparing facial line drawings with gray-level images: a case study on PHANTOMAS // Lecture
Notes in Computer Science. 1996. V. 1112 LNCS. P. 727–734.
3. Криминалистика / Под ред. Н.П. Яблокова. 3-е изд. М.: Юристъ, 2005. 781 с.
4. Азбука криминалистики [Электронный ресурс]. Режим доступа:
http://www.expert.aaanet.ru/arhiv/identif.htm, свободный. Яз. рус. (дата обращения 11.08.2014).
5. Identi-Kit Solutions [Электронный ресурс]. Режим доступа: http://www.identikit.net, свободный. Яз.
англ. (дата обращения 11.08.2014).
6. IQ Biometrics. Faces Software [Электронный ресурс]. Режим доступа: http://www.iqbiometrix.com, сво-
бодный. Яз. англ. (дата обращения 11.08.2014).
7. Yuen P.C., Man C.H. Human face image searching system using sketch // IEEE Transactions on Systems,
Man, and Cybernetics Part A: Systems and Humans. 2007. V. 37. N 4. P. 493–504.
8. Tang X., Wang X. Face photo-sketch synthesis and recognition // Proc. 9th IEEE International Conference on
Computer Vision. Nice, France, 2003. V. 1. P. 687–694.
9. Wang X., Tang X. Face photo-sketch synthesis and recognition // IEEE Transactions on Pattern Analysis and
Machine Intelligence. 2009. V. 31. N 11. P. 1955–1967.
10. Klare B., Li Z, Jain A.K. Matching forensic sketches to mug shot photos // IEEE Transactions on Pattern
Analysis and Machine Intelligence. 2011. V. 33. N 3. P. 639–646.
11. Han H., Klare B.F., Bonnen K., Jain A.K. Matching composite sketches to face photos: a component-based
approach // IEEE Transactions on Information Forensics and Security. 2013. V. 8. N 3. P. 191–204.
12. Davies G.M., Valentine T. Facial composites: forensic utility and psychological research. In: Handbook of
Eyewitness Psychology. Mahwah: LEA, 2007. V. 2. P. 59–83.
13. Gibson S.J, Solomon C.J, Pallares-Bejarano A. Synthesis of photographic quality facial composites using
evolutionary algorithms // Proc. British Machine Vision Conference. Norwich, UK, 2003. P. 221–230.
14. Frowd C.В., Hancock P.J.B., Carson D. EvoFIT: a holistic, evolutionary facial imaging technique for creating
composites // ACM Transactions on Applied Psychology. 2004. V. 1. P. 1–21.
15. George B., Gibson S.J., Maylin M.I.S., Solomon C.J. EFIT-V - Interactive evolutionary strategy for the construction
of photo-realistic facial composites // Proc. 10th Annual Conference on Genetic and Evolutionary
Computation. Atlanta, USA, 2008. P. 1485–1490.
16. Frowd C.D., Pitchford M., Skelton F., Petkovic A., Prosser C., Coates B. Catching even more offenders with
EvoFIT facial composites // Proc. 3rd International Conference on Emerging Seurity Technologies, EST-
2012. Lisbon, Portugal, 2012. P. 20–26.
17. CUHK Face Sketch Database [Электронный ресурс]. Режим доступа:
http://mmlab.ie.cuhk.edu.hk/facesketch.html, свободный. Яз. англ. (дата обращения 11.08.2014).
18. CUHK Face Sketch FERET Database [Электронный ресурс]. Режим доступа:
http://mmlab.ie.cuhk.edu.hk/cufsf/, свободный. Яз. англ. (дата обращения 11.08.2014).
19. Zhang W., Wang X., Tang X. Coupled information-theoretic encoding for face photo-sketch recognition //
Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Colorado Springs,
USA, 2011. P. 513–520.
20. Li X., Cao X. A simple framework for face photo-sketch synthesis // Mathematical Problems in Engineering.
2012. V. 2012. Art. 910719.
21. Kiani Galoogahi H., Sim T. Face photo retrieval by sketch example // Proc. 20th ACM International Conference
Multimedia. Nara, Japan, 2012. P. 949–952.
22. Sharma A., Jacobs D.W. Bypassing synthesis: PLS for face recognition with pose, low-resolution and sketch
// Proc. 24th IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Colorado
Springs, USA, 2011. P. 593–600.
23. Chang L., Zhou M., Han Y., Deng X. Face sketch synthesis via sparse representation // Proc. 20th International
Conference on Pattern Recognition. Istanbul, Turkey, 2010. P. 2146–2149.
24. Kukharev G.A., Buda K., Shchegoleva N.L. Methods of face photo-sketch comparison // Pattern Recognition
and Image Analysis. 2014. V. 24. N 1. P. 102–113.
25. Kukharev G., Buda K., Shchegoleva N. Sketch generation from photo to create test databases // Przegląd
Elektrotechniczny (Electrical Review). 2014. V. 90. N 2. P. 97–100.
26. Yu H., Zhang J.J. Mean value coordinates–based caricature and expression synthesis // Signal, Image and
Video Processing. 2013. V. 7. N 5. P. 899–910.
27. Wang Z., Bovik A.C. A universal image quality index // IEEE Signal Processing Letters. 2002. V. 9. N 3. P.
81–84.
28. Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: from error visibility to structural
similarity // IEEE Transactions on Image Processing. 2004. V. 13. N 4. P. 600–612.
29. Masoudnia S., Ebrahimpour R. Mixture of experts: a literature survey // Artificial Intelligence Review. 2014.
V. 42. N 2. P. 275–293.


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика