Аннотация. 

В статье предложена оригинальная модификация алгоритма Виолы-Джонса в части используемого пространства признаков для решения задачи поиска и локализации круглого оттиска печати на изображениях документа. Показано, что точность локализации объекта детектором существенно повышается при расширении признакового пространства квадратными центрально-симметричными признаками. Преимущества данного метода продемонстрированы в контексте поиска гербовой печати на изображениях паспорта гражданина Российской Федерации. Приведены количественные оценки полученного улучшения.

Ключевые слова: 

каскады Виолы и Джонса, машинное обучение, обработка изображений, распознавание документов, форензика, детектирование образов.

Стр. 31-39.

DOI: 10.14357/20790279230304

 

 

Литература

1. Viola P., Jones M.J. Robust Real-Time Face Detection // International Journal of Computer Vision 57, С. 137–154 (2004). https://doi.org/10.1023/B:VISI.0000013087.49260.fb

2. Huang J., Shang Y., Chen H. Improved Viola-Jones face detection algorithm based on HoloLens // J Image Video Proc. 2019. Т. 2019. №. 1. С. 1-11.

3. Lu Wen-Yao, and Y.A.N.G. Ming. Face detection based on viola-jones algorithm applying composite features. 2019 International Conference on Robots & Intelligent System (ICRIS) С. 82-85.

4. Поляков И.В., Кузнецова Е.Г., Усилин С.А., Николаев Д.П. Построение оптимальных каскадов Виолы–Джонса при помощи “жадных” алгоритмов перебора управляющих параметров с промежуточным контролем по валидационной выборке // Сенсорные системы. 2016. Т. 30. №3. С. 241-248.

5. Пчелинцев С.Ю., Арзамасцев А.А. Применение Метода Виолы-Джонса для распознавания дорожных знаков // Российская наука в современном мире. 2019. С. 111-112.

6. Jose A, Thodupunoori H, Nair BB. A novel traffic sign recognition system combining Viola–Jones framework and deep learning // InSoft Computing and Signal Processing. Springer, Singapore. 2019. Р. 507-517.

7. Hussein I.J. et al. Fully automatic segmentation of gynaecological abnormality using a new viola–jones model // Comput. Mater. Contin. 2021. Т. 66. Р. 3161-3182.

8. Usilin S.A., Slavin O.A., Arlazarov V.V. Memory Consumption and Computation Efficiency Improvements of Viola–Jones Object Detection Method for Remote Sensing Applications // Pattern Recognition and Image Analysis. 2021. Т. 31. №.3. Р. 571-579.

9. Xu Y, Yu G, Wang Y, Wu X, Ma Y. A hybrid vehicle detection method based on viola-jones and HOG+SVM from UAV images. // Sensors. 2016 Aug 19;16(8):1325.

10. Usilin S. et al. Visual appearance based document image classification // Proceedings - International Conference on Image Processing, ICIP. Hong Kong, 2010. P. 2133–2136.

11. Арлазаров В.В., Николаев Д.П., Усилин С.А., Шоломов Д.Л. Распознавание гильоширных элементов: определение страниц паспорта РФ // Труды ИСА РАН. 2013. Т. 63. № 3. С. 106-110.

12. Арлазаров В.В., Маталов Д.П., Усилин С.А. Локализация образа печати на документе, удостоверяющем личность, методом машинного обучения // Труды ИСА РАН. 2018. Т. 68. Спецвыпуск № S1. С. 158-166. DOI: 10.14357/20790279180518.

13. Kuznetsova E., Shvets E., Nikolaev D. Viola-Jones based hybrid framework for real-time object detection in multispectral images // ICMV 2015 / Antanas Verikas; Petia Radeva; Dmitry Nikolaev. – Bellingham, Washington 98227-0010 USA: Society of Photo-Optical Instrumentation Engineers (SPIE). Т. 9875. 2015. Р. 98750N1- 98750N6. DOI: 10.1117/12.2228707.

14. Алиев М.А., Арлазаров В.В., Маталов Д.П., Николаев Д.П., Полевой Д.В., Усилин С.А. Способ оценки действительности документа при помощи оптического распознавания текста на изображении круглого оттиска печати/штампа на цифровом изображении документа // Роспатент RU 2750395 C1.

15. Everingham M., Van Gool L., Williams C.K.I. et al. The PASCAL Visual Object Classes (VOC) Challenge. Int J Comput Vis, 2010. Т. 88. No. 2, Р. 303–338. https://doi.org/10.1007/s11263-009-0275-4.