strona: 1, 2, 3, 4, 5, 6, 7

Weryfikacja i kontrola poprawności.

System identyfikacyjny może generować trzy rodzaje podstawowych błędów:

- błąd fałszywego odrzucenia: obraz twarzy posiadający wzorzec w danej bazie danych zostaje nierozpoznany i odrzucony jako obraz nie posiadający swojej reprezentacji,

- błąd błędnej klasyfikacji: obraz twarzy posiadający wzorzec w bazie danych zostaje błędnie przypisany do innego wzorca z bazy,

- błąd fałszywej akceptacji: obraz twarzy nie posiadający wzorca w bazie danych zostaje błędnie przypisany do wzorca tam istniejącego.

Naturalnym dążeniem twórców systemu jest doprowadzenie do jak najmniejszej procentowo ilości danych błędów, dążącej do zera. Pożądane jest opracowanie systemu weryfikacyjnego pozwalającego zmniejszyć ilość występujących błędów oraz opracowanie wiarygodnych danych testowych pozwalających na ocenę skuteczności zaimplementowanych algorytmów.

Problem wyboru optymalnego rozwiązania

Różnorodność prezentowanych algorytmów nasuwa pytanie o wybór optymalnego rozwiązania. Oczywistym jest, iż takie rozwiązanie nie istnieje. Zawsze pojawia się problem wyboru systemu o przewadze pewnego zastawu cech nad innymi. Konieczne jest zachowanie kompromisu pomiędzy najbardziej pożądanymi cechami systemu, a np. kosztem jego działania. Rozwijanie pewnej korzystnej cechy algorytmu prawie zawsze pociąga za sobą zmiany wartości innych jego cech. Jakie zatem cechy można uznać za decydujące o wyborze systemu ? Czy można wyróżnić cechy, jakie musi spełniać algorytm bez względu na środowisko jego działania?

Wybór cech do oceny algorytmu

Wiadomym jest, iż systemy rozpoznawania twarzy muszą pracować w określonych warunkach. Muszą rozpoznawać osoby szybko i niezawodnie, a koszt ich akomodacji nie może przekraczać ceny na jaką zgodzi się rynek. Jako, iż systemy te służą zabezpieczeniu i kontroli, muszą być także trudne do oszukania przy dostępnych środkach. Dlatego też jako podstawowe cechy do oceny proponujemy:
- czas działania systemu
- czas tworzenia wzorców / szablonów bazy danych
- poprawność identyfikacji mierzona ilością błędów poszczególnych rodzajów
- koszt oprogramowania i wdrożenia systemu
- czas potrzebny do oprogramowania i wdrożenia systemu
- niewrażliwość na zmiany wyglądu spowodowane zmianami otoczenia

Czas działania systemu
Rozumiany jest jako czas od rozpoczęcia momentu identyfikacji do poprawnego jej zakończenia (w tym również potencjalną weryfikację rozpoznania). Oczywistym jest, iż czas ten musi być czasem rzeczywistym. Jednakże jak rozumieć w tym przypadku to pojęcie? Czas działania systemu musi mieścić się w granicach zdolnych do zaakceptowania przez użytkowników i nie destabilizować pracy obiektu chronionego. Niestety w dostępnych źródłach autorzy rzadko podają dokładny czas działania poszczególnych algorytmów w praktyce.

Czas tworzenia wzorców / szablonów bazy danych
W czasie życia każdego systemu pojawia się konieczność dokonywania zmian. Zatrudnienie nowego pracownika, zwolnienie poprzedniego itp. zmiany wprowadzają konieczność aktualizowania bazy danych. Czas takiej aktualizacji jest ściśle powiązany z kosztami pracy informatyka lub osoby kontrolującej system oraz szybkością powrotu aplikacji do normalnego działania.

Poprawność identyfikacji mierzona ilością błędów poszczególnych rodzajów
Jak zaznaczono wcześniej, algorytm może powodować trzy rodzaje. Procentowy ich udział decyduje o poprawności działania systemu.

Koszt oprogramowania i wdrożenia systemu
Koszt oprogramowania wiąże się ściśle ze złożonością algorytmu i trudnościami w jego implementacji. Należy wziąć pod uwagę również konieczność przeszkolenia pracowników odpowiedzialnych za działanie systemu.

Niewrażliwość na zmiany wyglądu spowodowane zmianami otoczenia
Można stwierdzić iż punkt ten wiąże się bardzo ściśle z poprawnością działania systemu. Wyróżnijmy jednak tą cechę ze względu na jej decydujące znaczenie w procesie uzyskiwania poprawnej identyfikacji.

Coraz częściej pojawiają się doniesienia o zastosowaniu bardziej specjalistycznych metod rozpoznawania twarzy, jak np. zastosowanie algorytmu z kamerą termiczną, który daje możliwość rozpoznawania nawet bliźniąt. Rozpoznawanie twarzy wkroczyło także do Internetu dając możliwości większej ochrony transakcji przeprowadzonych drogą elektroniczną. Zarówno obecne algorytmy lokalizacji, jak i algorytmy rozpoznawania twarzy nie są oczywiście rozwiązaniami optymalnymi, co pozwala sądzić, iż w tej dziedzinie informatyki czeka nas jeszcze wiele nowych, miejmy nadzieję dobrych i ciekawych rozwiązań.
Jakie podejście można wykorzystać w kryminalistyce, oraz gdzie moga tu się przydać takie systemy, to już temat na następną dyskusję.

Mały słowniczek dziwnych pojęć:

Systemy biometryczne: systemy komputerowe pracujące w oparciu o unikatowe cechy osobnicze ciała ludzkiego lub dane je wykorzystujące . Systemy biometryczne stosowane są głównie w ochronie i monitoringu.

Rozpoznanie: stwierdzenie przez system zgodności obrazu rozpoznawanego z
predefiniowanym wzorcem .

Identyfikacja: określenie przez system indywidualnych cech ( np. nazwisko,
priorytet ) dla rozpoznanego obrazu.

Inwarianty obrazu: kopie obrazu o zmienionych cechach np. obrócone , przeskalowane, itp.

Błąd fałszywego odrzucenia: obraz twarzy posiadający wzorzec w danej bazie danych zostaje nierozpoznany i odrzucony jako obraz nie posiadający swojej
reprezentacji.

Błąd błędnej klasyfikacji: obraz twarzy posiadający wzorzec w bazie danych zostaje
błędnie przypisany do innego wzorca z bazy.

Błąd fałszywej akceptacji: obraz twarzy nie posiadający wzorca w bazie danych zostaje błędnie przypisany do wzorca tam istniejącego .

Lokalizacja twarzy: ograniczenie części obrazu odpowiednią ramką , tak aby jak najmniej materiału innego niż twarz (tła) znalazło się wewnątrz obszaru .

Cechy anatomiczne twarzy: cechy twarzy ludzkiej wynikające bezpośrednio z jej budowy anatomicznej , takie jak długość nosa, szerokość ust, itp.

Cechy statystyczne twarzy: cechy twarzy ludzkiej oparte na właściwościach całego obrazu twarzy takie jak np. widmo transformaty Fourier'a, bądź też rozkład poziomów szarości w obrazie .

Podejście statystyczne w rozpoznawaniu twarzy: podejście bazujące na cechach
anatomicznych twarzy oraz na statystycznych wartościach obrazu twarzy i na traktujące twarz jako zespół podstawowych członów występujących w określonych relacjach względem siebie.

Podejście decyzyjno - teoretyczne w rozpoznawani twarzy: podejście zakładające, że obiekt reprezentowany jest wektorem liczb otrzymanych przez odpowiednio przeprowadzone pomiary (np. próbkowanie, skanowanie ).

strona: 1, 2, 3, 4, 5, 6, 7
Skomentuj artykuł na forum

:: Jak odczytać fałszywe dokumenty i numery VIN
:: DISCOVERY - Zbrodnie, które wstrząsnęły światem
:: Człowiek z Maree
:: Tajemnica Gatton
:: Tutoriale kryminalistyczne

:: NOWE! Puzzle

:: Przygody detektywa Maxa

:: Quiz
:: VIII Edycja Konkursu Wiedzy Kryminalistycznej im. prof. Brunona Hołysta
:: Test wiedzy o historii medycyny
:: Test wiedzy o kryminalistyce i medycynie sądowej
:: Układanka
:: Zagadki kryminalne

"Jak tam było, tak tam było, ale jakoś było - jeszcze nigdy tak nie było, żeby jakoś nie było." - Szwejk


GALIEL@WEBGROUP 2005