СОСТАВНЫЕ ВИРТУАЛЬНЫЕ ПРИБОРЫ LABVIEW ВНУТРИ ПРИЛОЖЕНИЯ GENERAL FACE RECOGNITION

Целью данной статьи является описание структуры и функций приборов нижнего уровня в приложении GFR.

1 Connect_lineaments.vi

Внутренняя структура элемента нижнего уровня connect_lineaments представлена на рисунке 1:

Рисунок 1. Блок-диаграмма connect_lineaments.

Очевидно, что для описания всей диаграммы достаточно описать получение лишь одного изображения, к примеру, глаза: стартовый блок по стандарту есть блок объявления изображения в формате 32-битных тона, насыщенности и светлоты. Далее происходит чтение png файла изображения из директории проекта плюс папка «lineaments». Потом прочтенное изображение описывается по параметрам формы, цвета, вращения и сдвига и подается на выход из элемента connect_lineaments [1, с.265].

Как и все блоки обработки изображений, блок connect_lineaments пронизывается каналом ошибок с контроллером входа и индикатором выхода.

2 Framer.vi

Внутренняя структура элемента нижнего уровня framer, главной задачей которого является обводка в некоторый цвет участка изображения, совпадающего с некоторой точностью с одной из lineaments, представлена на рисунке 2:

Рисунок 2. Блок-диаграмма framer.

Внутри цикла For осуществляется разбиение массива «Matches» кластеров, на два интересующих нас кластера: position – центр совпадения, bounding box – кластер, несущий информацию о точках для прямоугольного обрамления. Всё это попадает в элемент еще более низкого уровня liner.vi (рис. 3), где происходит последовательное нанесение линий на картинку после небольших преобразований координат, дабы получить в центре прямоугольного обрамления подобие прицельного креста.

Рисунок 3. Блок-диаграмма liner.

Зацикливание в структуре For не происходит, так как массив Matches входит в цикл через авто-индексируемый туннель, задаваемый LabVIEW по умолчанию массиву совпадений от элементов формо-цветового сравнения.

3 Face_verify.vi

Элементом нижнего уровня, главной задачей которого является выдача ответа на вопрос: «Есть ли лицо на изображении?», – является face_verify.vi. Также у него есть еще одна функция – это получение нулевых координат губ для последующего обрамления всего лица в другом виртуальном приборе.

На блок-диаграмме (рис. 4) видно, что изначально требуется избавиться от авто-индексации массива Matches, для этого выбирается нулевой «слой» кластеров, т.е. все элементы с первым индексом, равным нулю. Далее происходит разбиение полученного одномерного массива на кластер позиции и коэффициент совпадения, описанный во втором разделе отчёта.

Логика элемента face-verify такова, что он сообщает о наличии лица на картинке, только если ни один из коэффициентов совпадения не равен нулю, глаз выше по координатной сетке, чем нос и губы.

Рисунок 4. Блок-диаграмма face_verify.

Вывод кластера позиции губ не составляет труда, так как он уже был получен при разбиении массива Matches.

4 Final_framer.vi

Внутренняя структура элемента нижнего уровня final_framer.vi представлена на рисунке 5:

Рисунок 5. Блок-диаграмма final_framer.

Здесь производится аналогичный массиву matches авто-индексируемый вход по Feature Points – кластер двух нулевых координат для обводки, т.е. точки, которая будет являться правой нижней вершиной прямоугольника, обрамляющего лицо. Далее производится нанесение белого (из внешней константы) прямоугольника (для упрощения, квадрата фиксированной длины стороны). Канал ошибок не задействуется внутри элемента, поэтому он просто проходит насквозь [2, с.85].

Данный элемент является конечной точкой обработки изображения; после него осуществляется лишь вывод на экран.

5 Результат

Рисунок 6. а, б – Слежение за распознанным лицом.

Фронтальная панель прибора general_face_recognition во время работы программы наглядно доказывает, что приложение исправно (рис. 6 а, б).

Заключение

Было создано приложение (виртуальный прибор LabVIEW), которое, получая информацию с веб-камеры, выводит изображение на экран в реальном времени и выделяет (распознает) предзаданное лицо.

Список литературы:

1. Гридин В.Н., Титов В.С., Труфанов М.И. Адаптивные системы технического зрения: науч. отд. изд., – М: 2009 – 442 с.

2. Мошкин В. И., Петров А. А., Титов В. С., Якушенков Ю. Г. Техническое зрение роботов: учебник. отд. изд., стер. – М.: 1990 – 272 с.