ПОИСК ЛЮДЕЙ ПО ФОТОРОБОТАМ: СОСТОЯНИЕ ПРОБЛЕМЫ И ТЕХНОЛОГИИ

 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.

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.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License