Диссертация (1147492), страница 3
Текст из файла (страница 3)
Чтобы разобраться в механизме этой способности,необходимо рассмотреть особенности распознавания лица на «первичных» и «высших» звеньяхзрительной системы (Кемпбелл, Шелепин 1990; Вахрамеева и др. 2013). Важно подчеркнуть,что не существует четкого деления на первичные и высшие каскады обработки информации взрительной системе, это разделение условно, так как принятие решение о лице можетприниматься на разных уровнях зрительной системы.1.1.1 Роль первичного каскада обработки информации в задачах распознавания лицРассмотрим роль низшего каскада обработки информации в задачах распознавания лиц.В данном разделе рассмотрим несколько ключевых моментов.
Во-первых, разрешающуюспособность глаза, под которым обычно понимают способность зрительной системы отличитьдва объекта, которые находятся на максимально близком расстоянии друг от друга. Данныйаспект важен, так как позволяет понять, сколько пикселей изображения необходимо, чтобыраспознать лицо. Необходимо отметить, что впервые проблема распознавания и идентификацияобъектов в технических системах была решена Дж.
Томпсоном в 1958 г. (Johnson, 1958). Всвоих работах исследователь не просто рассчитал необходимую разрешающую способностьоптической матрицы камеры, которая была способна распознать объект, но разработалперечень уровней различений, необходимых для распознавания объектов (самолетов, танков),их идентификации, различения, вплоть до выявления намерений. Так, например, былопоказано, что для распознавания «свой-чужой» необходима матрица десять на десятьэлементов. В целом, данная матрица способна различить и лицо человека. Но на данном уровнебудет видно только очень условное схематичное изображение (смайлик).
Мимику на такомуровне распознать невозможно. Интересные нейрофизиологические исследования былипроведены Кэмпбеллом и Шелепиным в области остроты зрения. Так, исследователям удалосьрассчитать количество рецепторов, которые активизируются при засвечивании сетчатки«бесконечно малой точкой» (Шелепин и др., 2015). Было показано, что для этого достаточновсего 7 рецепторов, которые образуют правильный шестиугольник (Campbell et al., 1989;Кемпбелл и др., 1990). Данная совокупность рецепторов получила название «функциональный12элемент дискретизации». Как отмечают исследователи, такими, более крупными, чемрецепторы элементами, сопоставимыми с размером функции рассеяния точки при оптимальныхусловиях освещенности сетчатки, и производится описание изображений и дальнейшаяпередача информации на более высокие уровни зрительной системы (Шелепин и др., 1995).Представить себе изображение при этом можно как двумерный массив со значениями, равнымиусредненной яркости по группе из 7 рецепторов.
Необходимо отметить, что «функциональный»элемент дискретизации не исключает роль фоторецепторов как основных анатомическихэлементовдискретизации,необходимыхдляпередачиоптическогоизображения,сформированного на сетчатке, в нейронные сети зрительной системы. Функциональныепространственные элементы — это не связанные жестко между собой группы рецепторов, амобильные их объединения, формирующие сигнал на последующие уровни зрительнойсистемы, под воздействием самого изображения.Во-вторых, представляет интерес работы, направленные на измерение минимальногоколичества пикселей, необходимых для узнавания объектов различной степени сложности(Кемпбелл и др., 1990; Шелепин и др., 2002). На рисунке 1 приведены примеры измеренияминимальных угловых размеров черно-белых изображений различных объектов на пределечеткого видения.
Показано, что изображения разной сложности воспринимаются приразличных угловых размерах. Шкала сложности демонстрирует, что, чем сложнее изображение,тем больше минимальных пикселей необходимо для узнавания данного объекта.Рисунок 1 – «Шкала сложности» в угл. мин диаметра объекта и, соответственно, размерматрицы в пикселях зрительной системы для распознавания разных объектов вплоть до лицачеловека (Шелепин и др., 2002)13В соответствии с представленными данными, различение одной от двух точекпроисходит при размерах, несколько больших 1 угл. мин.
Различение простых геометрическихфигур (треугольники, квадраты, круги) происходит при их угловых размерах, равных 3 угл.мин, букв - около 5 угл. мин. Стилизованные фигуры большинства окружающих нас объектовраспознаются при 8–16 угл. мин, а лицо конкретного человека и наиболее важные деталиэмоционального выражения – при 21–30 угл. мин. Это означает, что для распознавания лица имимических деформаций необходима матрица с радиусом 6 элементов дискретизации. Еслилицо представлено на матрице с радиусом меньше 5 элементов дискретизации, то распознатьлицо невозможно.
Проведены интересные исследования распознавания двухлицсминимальными изменениями в чертах лица. Так, одно изображение отличалось от другогонесколькими функциональными пикселами. Результаты показали, что данные отличиябольшинство наблюдателей способно уловить. Более того, в данных условиях возможно нетолько распознавание (лицо не лицо), но и идентификация объекта (кто есть кто) (Кемпбелл идр., 1990; Campbell et al., 1989).Было показано, что типичное расстояние для успешного распознавания лица составляет35 метров (Шелепин и др., 2014).
Необходимо подчеркнуть, что если бы требовалась матрицадля распознавания вдвое больше, то расстояние до объекта, необходимое для успешногораспознавания, уменьшилось и составило бы всего 17 метров. С такого расстояния невозможнобыстро отличить друга от врага, а соответственно и принять своевременное правильноерешение.Важные результаты были получены в работах Гасовского и Никольской. Исследователиопределили, в каких пределах колеблется глаз при фиксации взора на точке. Так, былопоказано, что колебание происходят в пределах ±12 угл. мин (это радиус фовеолиты), либо впределах ±2,5 угл мин, это радиус рецептивного поля (Гасовский и др., 1941).
Характер этихдвижений можно исследовать, регистрируя направление взора. В целом, исследованиенаправление взора в задачах распознавания лица является очень актуальным. Согласноопубликованным данным при распознавании лица при больших его угловых значениях такимспособом можно получить Т-образные «карты внимания», при которых наибольшее количествофиксаций и их средняя длительность наблюдается в зонах глаз, носа (переносицы) и губ.
Так,Барабанщиков выделяет зону лица, где наблюдается максимальное количество и длительностьфиксаций - правый глаз (322 мс). Минимальное, наоборот, находится в области носа (174 мс) ирта (175 мс) (Барабанщиков, 2012).В исследовании Ананьевой, Барабанщикова и Харитонова в 2010 г. (Ананьева и др.,2010) были выделены пять возможных типов осмотра лица:14- «линейный горизонтальный» - области интереса данного паттерна приходятся на левыйи правый глаза человека (4,5 %);- «линейный вертикальный» - области интереса группируются в районе носа и рта(7,5%);- «треугольный» - области интереса при данном паттерне включают зоны глаз и рта,иногда с фиксацией области носа (70 %);«диагональный» - области интереса приходятся только на один из глаз (правый илилевый), а также зоны носа и рта (4,5 %);«топический» – группировка фиксаций (11,5 %).Таким образом, исходя из представленных данным, самым популярным из выделенныхтипов является треугольный тип осмотра лица.
Необходимо отметить, что выбор типа паттерназависит от психологических факторов. Например, более продолжительный просмотр правойстороны лица говорит о том, что испытуемый ориентируется на важные и значимые качествасобеседника. Более длительный просмотр верхней части лица указывает на потребность вустановлениизрительногоконтактавзглядом,посредствомкоторогопроисходит«проникновение» в психическое состояние другого человека (Baron-Cohen et al., 1992).Интересно, что в условиях высокой степени семантической неопределенности праваясторонанатурщикарассматриваетсяболеепродолжительноевремя.Так,согласноБарабанщикову, средние значения продолжительности рассматривания левой стороны лицасоставляют 1004 мс, правой – 1542 мс.
Большая продолжительность рассматриваниядостигается за счет увеличения числа фиксаций при их неизменной длительности(Барабанщиков, 2012). При анализе областей интереса были проанализированы предпочтениялюдей также и в вертикальной проекции. Так, при рассматривании лиц со слабой выраженнойэкспрессией средние значения продолжительности рассматривания верхней части лицасоставили 1538 мс, а нижней – 1067 мс. При этом, необходимо отметить, что ни в одной изпредставленных работ не было выявлено прямой связи выбранного паттерна осмотра сточностью распознавания лица.
В то же время, были получены данные о влиянии особенностейпаттернов просмотра и их влиянии на распознавание мимической экспрессии. Результатыпоказали, что испытуемые, при оценке эмоций радости и отвращения, больше ориентируютсяна нижнюю часть лица, а при распознавании печали и горя - наоборот, на верхнюю. Этиособенности просмотра позволяют получать более точные результаты распознавания(Барабанщиков, 2002). Важно подчеркнуть, что согласно опубликованным данным, короткиефиксации, в сравнении с более длительными, также приводят к более точным ответам(Гиппенрейтер, 1978; Ikeda, et al., 1975; Mackworth, 1976).15В-третьих, разрешающая способность в центре и на периферии сильно отличается.
Сувеличением расстояние от фовеолы, разрешение значительно падает. Данная особенностьпривела к развитию пространственно-частотной теории работы зрительной системы. Так, в1964-1968 гг. Кэмпбеллом и Робсоном было сделано предположение, что в зрительной системеесть разные пространственно-частотные каналы (Campbell et al., 1968, 1974, 1985). Данноеоткрытие оказалось чрезвычайно важным, так как изображения, передаваемые разнымипространственно-частотными каналами, воспринимается и распознается по-разному (Шелепини др., 1985). Блок схема этого процесса представлена на рисунке 2.
Важная особенность даннойблок схемы в том, что с одной стороны она пригодна для программирования обработкиизображения на ЭВМ, а, с другой стороны, эта схема привязана к определенным структураммозга. На схеме существенным является демонстрация структурных элементов мозга исоответствующийалгоритммодели,обеспечивающийсравнениенаразныхуровняхвысокочастотной и низкочастотной пространственной информации.Рисунок 2 – Блок-схема передачи пространственно-низкочастотной и пространственновысокочастотной информации по разным каналам зрительной системыНеобходимо отметить, что оптимальная чувствительность зрительной системы человекасоответствует уровню средних пространственных частот, а именно 2-6 цикл/угл. град.
Если наизображении изобразить либо только низкочастотные, либо только высокочастотные16рецептивные поля, то будет получено два разных типа изображений. Так, согласноопубликованным данным изображения, отфильтрованные в области низких пространственныхчастот, плохо распознаются из-за размытия, но несут сильную эмоциональную нагрузку.Изображения, отфильтрованные в области высоких пространственных частот, наоборот,распознаются значительно лучше, особенно в области мимики, так как подчеркивают мелкиедетали лица и позволяют осознанно оценить мимическую экспрессию (Шелепин и др., 1985).Активно ведутся дискуссии о приоритетности временной обработки частот.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
