Способ маркирования и распознавания сигналов



Способ маркирования и распознавания сигналов
Способ маркирования и распознавания сигналов
Способ маркирования и распознавания сигналов
Способ маркирования и распознавания сигналов

 


Владельцы патента RU 2510624:

Государственное казенное образовательное учреждение высшего профессионального образования Академия Федеральной службы охраны Российской Федерации (Академия ФСО России) (RU)

Способ маркирования и распознавания сигналов относится к области кодирования, распознавания и идентификации сигналов. Технический результат заключается в повышении достоверности распознавания сигналов при равенстве маркеров (интегральных значений сигнала на выделенном интервале) за счет более полного использования информации, характеризующей форму изменения сигнала в окрестности маркера. Технический результат достигается за счет введения в образ сигнала на каждом его интервале дополнительного признака - градусной меры угла и использование его вместе с маркерами в качестве идентификатора в двухмерном признаковом пространстве при распознавании позволяет повысить достоверность распознавания и количественно оценить ее значение при отнесении анализируемого сигнала к эталонному. 4 ил., 3 табл.

 

Изобретение относится к распознаванию и идентификации сигналов и может быть использовано в системах ограничения доступа к защищенным от посторонних лиц услугам, ресурсам и объектам, в системах распознавания речи, изображений и других сферах применения.

Известен способ проверки подлинности подписи (Патент США №4190820, МПК G06K 9/00, 26.02.1980), в котором сравниваются две последовательности сигналов с маркировочными знаками между нормированными к заданным шаблонам сегментами каждой последовательности путем подсчета числа этих маркировочных знаков в каждой последовательности и сравнения результатов этих подсчетов между собой. Этот способ имеет ограниченное применение и недостаточно высокую точность, поскольку ограниченное количество шаблонов и индивидуальные особенности каждой подписи могут привести к тому, что некоторые из выделенных сегментов будут отнесены не к тому шаблону.

Известен способ распознавания речи в реальном времени (Патент США №4783809, МПК G10L 5/06, 08.11.1999). По данному способу акустические характеристики неизвестной речи сопоставляются с заданными шаблонами, в результате чего выстраиваются цепочки эталонных шаблонов, которые сравниваются с запомненными цепочками. Недостаток этого способа тот же, что и у предыдущего: ограниченное количество шаблонов не всегда дает возможность точно сопоставить их звукам реальной речи.

Известен способ анализа сигналов о состоянии объекта (Патент РФ №2090928, МПК G06K 9/00, 20.09.1997), в котором сначала формируют несколько обучающих сигналов, по ним создают распознающий эталон, а затем сравнивают сигнал о состоянии объекта с этими распознающими эталонами. Каждый эталон представляет собой некоторое усреднение от нескольких обучающих сигналов, т.е. заведомо не может охватить всего разнообразия возможных исследуемых сигналов.

Устраняет перечисленные недостатки способ, являющийся наиболее близким к заявленному (Патент РФ №2189075, МПК G06K 9/62, G10L 15/2 10.09.2002). Способ состоит из следующих операций: выбирают заранее заданный интервал на каждом из нескольких эталонных сигналов; обрабатывают каждый эталонный сигнал на заранее заданном интервале, при этом интегрируют по меньшей мере один заранее заданный информационный параметр каждого эталонного сигнала на заранее заданном интервале, и определяют для каждого из заранее заданных информационных параметров каждого эталонного сигнала на заранее заданном интервале маркер, представляющий собой точку, которая разделяет этот интервал на такие части, что отношение интеграла от данного информационного параметра на одной из этих частей к интегралу от этого же информационного параметра на другой из этих частей находится в заранее заданных пределах, после чего и запоминают всю информацию о найденных маркерах в машиночитаемой базе данных в операции запоминания; для каждого сигнала, подлежащего распознаванию, при повторении операций выбора, обработки и запоминания осуществляют действия, аналогичные действиям операции интегрирования и определения маркера; в операции сравнения в качестве сравниваемых характеристик используют маркеры распознаваемых и эталонных сигналов; в операции принятия решения принимают решение об идентификации конкретного сигнала, если по меньшей мере заданное число маркеров сигнала, подлежащего идентификации, с заранее заданной точностью совпадает с соответствующими маркерами какого-либо из заранее заданных эталонных сигналов. Данный способ выбран в качестве прототипа.

Недостатком данного способа является низкая достоверность, выражающаяся в отсутствии учета формы сигнала при равных интегральных характеристиках, влияющих на расчет значения маркеров следующих интервалов сигнала на этапе обучения, а следовательно, и низкую достоверность распознавания сигналов только по маркерам на этапе распознавания.

Задачей изобретения является создание способа, позволяющего повысить достоверность распознавания сигналов при равенстве маркеров (интегральных значений сигнала на выделенном интервале) за счет более полного использования информации, характеризующей форму изменения сигнала в окрестности маркера.

Эта задача решается тем, что к действиям способа-прототипа, включающего этапы обучения и распознавания, на предварительном этапе выбирают значение интервала для представления сигнала в виде последовательности этих интервалов, для каждого интервала выполняют операции интегрирования и определяют маркер, представляющий собой точку, которая разделяет этот интервал на такие части, что отношение интеграла от данного информационного параметра на одной из этих частей к интегралу от этого же информационного параметра на другой из этих частей находится в заранее заданных пределах, запоминают всю информацию о найденных маркерах в машиночитаемой базе данных, при распознавании для каждого сигнала повторяют операции выбора, обработки и запоминания для зависимостей, найденных в операции принятия решения для эталонных сигналов, выполняют сравнение найденных зависимостей положения маркера, дополнительно на этапе обучения, после выполнения операции обработки сигнала и получения значения маркеров осуществляют следующие действия: для каждого эталонного сигнала Sj, содержащего интервалы с равными значениями маркеров Mi, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчетов, характеризующих изменение физических параметров сигнала во времени, между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают дополнительный признак - значение градусной меры угла α M i , им дополняют значение идентификатора интервала V M i , в виде двумерного вектора из значений маркера Mi и градусной меры угла α M i , идентификаторы интервалов для каждого эталонного сигнала Sj записывают в машиночитаемой памяти, на этапе распознавания для каждого интервала сигнала Si определяют маркеры Mi, для интервалов с равными значениями маркеров Mi, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчетов, характеризующих изменение физических параметров сигнала во времени, между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают значение градусной меры угла α M i , им дополняют значение идентификатора интервала V M i , по количеству совпавших значений идентификаторов всех интервалов V M i сигнала Si рассчитывают показатель достоверности отнесения сигнала Si к эталонному Sj.

Введение дополнительного признака - значения градусной меры угла α M i между двумя значениями выделенного участка сигнала в окрестности маркера относительно нулевого значения в совокупности с маркерами прототипа - позволит повысить достоверность распознавания и идентификации сигналов, имеющих выделенные интервалы с равными интегральными значениями и маркерами по способу-прототипу, но различными по форме самих сигналов в данном интервале. Возможность использования данных характеристик в совокупности позволяет более точно проводить процесс распознавания. Чем больше различных по физической сущности характеристик учитывается при формировании образа распознавания, тем более полон этот образ в пространстве возможных вариантов.

Заявленный способ поясняется чертежами, на которых показаны:

фиг.1 - алгоритм, поясняющий способ маркирования и распознавания сигналов;

фиг.2 - геометрическая интерпретация множества фигур с равными площадями и одним для всех фигур маркером;

фиг.3 - развертка во времени амплитудных значений слова «собака» на русском языке;

фиг.4 - график цифровой последовательности отсчетов участка сигнала, соответствующего созвучию «ба» из слова «собака».

Для лучшего понимания сущности заявляемого способа на фигуре 1 представлен алгоритм способа маркирования и распознавания сигналов. Между терминаторами начала и конца (Моделирование систем: Учебник для вузов / Б.Я.Советов, С.А.Яковлев - 4-е изд., стер. - М.: Высшая школа. 2005. - С.93) алгоритм разбит на отдельные процедуры. Процедуры 3, 5-7 соответствуют этапу обучения, процедуры 9, 11-15 соответствуют этапу распознавания при идентификации сигнала. Блоки 2, 4, 8, 10 и 14 являются блоками выполнения условий. Блок 1 является блоком ввода данных, а блок 16 - блоком вывода данных. Ниже приведен перечень номеров, блоков ввода и вывода, процедур и блоков выполнения условий алгоритма:

1 - Блок ввода данных, учитывающий следующие переменные и константы:

S - множество сигналов, подлежащих распознаванию;

Z - максимальный уровень квантования, для представления сигнала в виде множества цифровых отсчетов;

n - количество отсчетов в каждом сигнале;

m - количество интервалов деления каждого сигнала.

2 - Блок выполнения условия, определяющий этап обучения при положительном исходе или этап распознавания и переход к блоку 3, а при отрицательном исходе или сформированной на раннем этапе обучения структуре векторов распознавания V M i , записанных в машиночитаемую память (МЧП), переход к блоку 9.

3 - Блок процедуры расчета маркера Mi каждого интервала m для отдельного сигнала Si осуществляется интегрированием последовательности аналогового сигнала (по способу-прототипу) или суммированием последовательности цифровых отсчетов в пределах интервала и определением порядкового значения времени для аналоговых сигналов или отсчета для цифровых сигналов, разделяющего данный интервал сигнала на две равные части по значению интеграла или сумме.

4 - Блок выполнения условия, определяющий вычисление дополнительного признакового значения в вектор распознавания V M i в обучении при положительном исходе, т.е. равенстве маркеров для различных интервалов, а при отрицательном исходе переход к блоку 7.

5 - Блок выделения интервала в области (ВИвО) маркера Mi, осуществляет выделение соседних к маркеру отсчетов: предыдущего Z M i 1 и следующего Z M i + 1 за отсчетом маркера Z M i .

6 - Блок расчета градусной меры угла α M i ; между двумя значениями предыдущего Z M i 1 и следующего Z M i + 1 за значением маркера Z M i выделенного участка сигнала относительно нулевого значения.

7 - Блок записи вектора распознавания V M i в машиночитаемую память.

8 - Блок выполнения условия, определяющий окончание этапа обучения при положительном исходе и переход к блоку 2, или продолжение этапа обучения при отрицательном исходе и переход к блоку 4.

9 - Блок процедуры расчета маркера Mi, осуществляет действия, аналогичные действиям блока 3.

10 - Блок выполнения условия, определяющий вычисление дополнительного признакового значения в вектор распознавания V M i , осуществляет действия, аналогичные действиям блока 4.

11 - Блок выделения интервала в области (ВИвО) маркера Mj.

12 - Блок расчета градусной меры угла α M i .

13 - Блок формирования вектора распознавания V M i для каждого интервала.

14 - Блок выполнения условия, определяющий последний интервал сигнала при положительном исходе и переход к блоку 15, или при отрицательном исходе переход к блоку 11.

15 - Блок вычисления показателя достоверности распознавания Q, равного отношению суммарного числа совпавших векторов распознавания V M i сигнала Si с векторами распознавания эталонных сигналов Sj к общему числу интервалов сигнала m.

16 - Блок вывода пары значений Sj эталонного сигнала и показателя достоверности Q отнесения сигнала Si к эталонному Sj.

Низкая достоверность использования в качестве признака распознавания значения маркера на каждом интервале сигнала Si заключена в самой процедуре определения данного маркера, так как суммарные и интегральные значения не могут охватить всего многообразия форм сигналов именно при равных значениях маркеров. Подтверждение данного факта позволяет выявить геометрическая интерпретация, представленная на фигуре 2. Пусть маркер на интервале BF задан точкой М и образует с точкой пересечения сигнала отрезок DM. Количество простейших фигур в виде треугольников ΔCBF и ΔEFB, прямоугольника GKFB и трапеций с равными значениями площадей, и проходящих одной стороной через некоторую точку D, насчитывает общее число, равное значению Z - максимальной разрядности аналогово-цифрового преобразователя (в нашем случае Z=256). Данное утверждение следует из выражения, определяющего площадь трапеции Р в зависимости от значений высоты трапеции и длин прилегающих к ней сторон:

P = a + b 2 h ,                                                                                               ( 1 )

где a, b - прилегающие к высоте стороны трапеции,

h - высота трапеции.

На фигуре 2 общей высотой трапеций для множества трапеций, образованных в пределе параллельными отрезками СВ и EF, является отрезок BF. Любой отрезок, например G1K1, проходящий через точку D на отрезках СВ и EF, отсекает относительно отрезка BF прилегающие в высоте отрезки, определяющие площадь получаемой замкнутой геометрической фигуры по формуле 1. В случае пересечения отрезками граничных значений трапеции вырождаются в прямоугольные треугольники ACBF и ДЕЕВ, площадь которых также вычисляется по формуле 1. Различные фигуры с равными значениями площадей, например трапеция G1K1FB, и треугольник ΔEFB, различаются градусной мерой углов α и β относительно общей стороны BF. Таким образом, при равенстве значений маркеров на интервале достаточной и компактной формой представления характера изменения сигнала в интервале является градусная мера угла α M i между двумя значениями: предыдущего Z M i 1 и следующего Z M i + 1 за значением маркера Z M i выделенного участка сигнала относительно нулевого значения.

Численное значение α M i градусной меры угла между соседними отсчетами сигнала относительно маркера вычисляется выражением:

α M i = arcsin [ Z M i + 1 Z M i 1 Z ] ,                                                                              ( 2 )

где arcsin - функция арксинуса,

Z M i + 1 - значение следующего за маркером соседнего отсчета,

Z M i 1 - значение предыдущего перед маркером соседнего отсчета,

Z - максимальный уровень квантования для представления сигнала в виде множества цифровых отсчетов.

Для каждого интервала т и каждого сигнала распознавания формируются идентификаторы распознавания V ( M i ) m в виде вектора:

V ( M i ) m = [ n M i α M i ] ,                                                                                             ( 3 )

где n M i - значение маркера по способу-прототипу,

α M i - значение градусной меры угла по заявленному способу.

Расчет показателя достоверности Q отнесения сигнала Si к эталонному Sj вычисляется выражением:

Q = Σ ( V M i ) m = 1 m ,                                                                                            ( 3 )

при

V ( M i ) m = { 1,  если d i d порог 0,  если d i > d п о р о г ,                                                                          ( 4 )

где di - мера сходства векторов в двухмерном пространстве,

dпорог - пороговое значение меры в двухмерном пространстве, допускающее объединение двух векторов в один класс распознавания.

Для расчета меры сходства di в двухмерном пространстве между векторами а и b достаточно использовать евклидово расстояние dab, вычисляемым по формуле (Теория распознавания и анализ сцен: Пер. с англ. / Р.О. Дуда, П.Е.Харт; Под. ред. В.Л.Стефанюка. М.: Мир, 1976. - 511 с.):

d a b = i = 1 k ( a i b i ) 2 ,                                                                                        ( 5 )

где k - количество признаков в векторе;

i - текущее значение вектора.

Предлагаемый способ является дополнением к способу-прототипу. Осуществляется одновременно со способом-прототипом, при этом процедура выделения дополнительных характеристических признаков происходит после определения значения маркера на интервале сигнала.

Реализацию маркерного способа распознавания сигналов поясним на следующем примере.

Имеется сигнальная последовательность звуков на русском языке, формирующаяся во времени во фразу «собака». Развертка во времени амплитудных значений слова «собака» на русском языке представлена на фигуре 3. Для дальнейшего анализа данного сигнала с ним провели процедуру нормализации цифрового сигнала по максимуму разрядности аналогово-цифрового преобразователя. График цифровой последовательности отсчетов участка сигнала, соответствующего созвучию «ба» из слова «собака», представлен на фигуре 4. Выделение данной последовательности осуществлено с целью показать факт равенства маркеров на равных выделенных интервалах для различных по форме сигналов. Так, на интервале из 47 отсчетов: с 1 по 47 отсчет для звука «Б» определен сигнал S1 и с 283 по 329 отсчет для звука «А» определен сигнал S2, для которых суммы отсчетов на интервале равны и составляют значение 6091. Значения отсчетов для равных интервалов различных сигналов S1 звука «Б» и S2 звука «А» со значениями равенства сумм отсчетов на данных интервалах приведены в таблице 1. Из равенства сумм интервалов следует одинаковое расположение маркеров для этих интервалов относительно времени сигнала и соответствующего ему порядкового значения отсчета.

Таблица 1
Значения отсчетов для сигналов S1 звука «Б» и S2 звука «А» и их сумм
n S1 S2 n S1 S2 n S1 S2 n S1 S2 n S1 S2 1 47 S 1 1 47 S 2
1 152 124 11 118 197 21 105 101 31 156 114 41 136 245 6091 6091
2 151 145 12 115 190 22 108 177 32 158 139 42 129 209
3 149 187 13 110 158 23 113 218 33 162 168 43 127 97
4 148 234 14 104 113 24 118 203 34 160 171 44 119 41
5 143 219 15 101 118 25 124 181 35 158 150 45 115 20
6 140 114 16 100 147 26 128 94 36 155 125 46 109 58
7 136 37 17 100 134 27 136 67 37 154 112 47 104 137
8 132 6 18 99 93 28 138 67 38 149 131
9 128 46 19 99 52 29 146 80 39 144 173
10 125 140 20 99 42 30 152 99 40 139 218

Интервал из 47 отсчетов разделяется на две равные части порядковым значением маркера, равным 23. Соседние значения отсчетов относительно полученного маркера сведены в таблицу 2.

Таблица 2
Значения соседних относительно маркера отсчетов для сигналов S1 звука «Б» и S2 звука «А»
n23 Z M i 1 Z M i + 1
S1 108 118
S2 218 181

Для данных значений с помощью выражения 2 рассчитаем градусные меры углов для сигналов S1 звука «Б» и S2 звука «А».

( α n 23 ) S 1 = arcsin [ 118 108 256 ] = arcsin [ 0,0390625 ] = 2,238 .                                   ( 6 )

( α n 23 ) S 2 = arcsin [ 181 218 256 ] = arcsin [ 0,14453125 ] = 8,310 .                            ( 7 )

С учетом полученных выражениями 6 и 7 значений идентификаторы распознавания для данных участков сигналов S1 звука «Б» и S2 звука «А» сведены в таблицу 3.

Таблица 3
Значения идентификаторов для n23 интервала сигналов S1 звука «Б» и S2 звука «А»
V ( M i ) m n23 α n 23
S1 23 2,238
S2 23 -8,310

Расчет меры сходства di в двухмерном признаковом пространстве между векторами из таблицы 3 согласно выражению 5, в отличие от нулевого значения по способу-прототипу, по заявленному способу составит значение, равное 10,548. Это, в свою очередь, повысит показатель достоверности Q отнесения сигналов S1 звука «Б» и S2 звука «А» к различным классам, вычислением данного показателя выражениями 3 и 4.

Таким образом, введение в способ-прототип дополнительного признака - градусной меры угла α M i и использование его вместе с маркерами позволяют повысить достоверность распознавания и количественно оценить ее значение при отнесении анализируемого сигнала к эталонному.

Проведенный анализ существующих способов позволил установить, что аналоги, тождественные признакам заявленного технического решения, отсутствуют, что указывает на соответствие заявленного способа условию патентоспособности «новизна». Введенный отличительный признак - использование градусной меры угла α M i между двумя значениями предыдущего Z M i 1 и следующего Z M i + 1 за значением маркера Z M i выделенного участка сигнала относительно нулевого значения в качестве дополнительного - характеризует динамику изменения сигнала при равных значениях маркеров и в аналогах не встречается. Следовательно, заявляемый способ удовлетворяет критерию «изобретательский уровень».

Способ маркирования и распознавания сигналов применим не только к распознаванию речи, как проиллюстрировано выше, но может использоваться и во многих других сферах. Данный способ применим также к распознаванию изображений. С помощью данного способа можно идентифицировать выход за допустимые пределы регулируемых параметров в различных системах управления. Этапы способа реализуемы на существующей в настоящее время элементной базе.

Способ маркирования и распознавания сигналов, включающий в себя предварительный этап, этап обучения и этап распознавания, при этом на предварительном этапе выбирают значение интервала для представления сигнала в виде последовательности этих интервалов, для каждого интервала выполняют операции интегрирования и определяют маркер, представляющий собой точку, которая разделяет этот интервал на такие части, что отношение интеграла от данного информационного параметра на одной из этих частей к интегралу от этого же информационного параметра на другой из этих частей находится в заранее заданных пределах, запоминают всю информацию о найденных маркерах в машиночитаемой базе данных, при распознавании для каждого сигнала повторяют операции выбора, обработки и запоминания для зависимостей, найденных в операции принятия решения для эталонных сигналов, выполняют сравнение найденных зависимостей, отличающийся тем, что на этапе обучения после выполнения операции обработки сигнала и получении значения маркеров дополнительно осуществляют следующие действия: для каждого эталонного сигнала Sj, содержащего интервалы с равными значениями маркеров Mi, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчетов, характеризующих изменение физических параметров сигнала во времени, между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают дополнительный признак - значение градусной меры угла , им дополняют значение идентификатора интервала , в виде двумерного вектора из значений маркера Mi и градусной меры угла , идентификаторы интервалов для каждого эталонного сигнала Sj записывают в машиночитаемой памяти, на этапе распознавания для каждого интервала сигнала Si определяют маркеры Mi, для интервалов с равными значениями маркеров Mi, в окрестности значения маркера выделяют участок сигнала, содержащий как минимум два значения: предыдущего и следующего за маркером отсчетов, характеризующих изменение физических параметров сигнала во времени, между двумя значениями выделенного участка сигнала относительно нулевого значения рассчитывают значение градусной меры угла , им дополняют значение идентификатора интервала , по количеству совпавших значений идентификаторов всех интервалов сигнала Si рассчитывают показатель достоверности Q отнесения сигнала Si к эталонному Sj.



 

Похожие патенты:

Изобретение относится к области обработки данных для преобразования сигналов и изображений, задаваемых невзвешенными цифровыми кодами, во взвешенные коды и может быть использована для обработки и распознавания сигналов и изображений.

Изобретение относится к области видеоаутентификации пользователя. Техническим результатом является предотвращение фальсификации аутентификационной фотографии, выполняемой при помощи виртуальной камеры.

Изобретение относится к распознаванию образов, в котором принятое изображение отслеживается для выявления того, появляется ли в изображении узнаваемый образ. .

Изобретение относится к способам идентификации сигналов. .

Изобретение относится к области вычислительной техники, а именно к способам защиты информации от несанкционированного проникновения, и может быть использовано для защиты как мобильных, так и стационарных устройств с сенсорными дисплеями посредством идентификации пользователя, основанной на анализе его уникальной подписи.

Изобретение относится к электронным финансовым операциям. .

Изобретение относится к электронным финансовым операциям. .

Изобретение относится к области биометрической аутентификации личности, построенной на сохранении в тайне применяемого при аутентификации биометрического образа в виде рисунка отпечатка пальца.

Изобретение относится к смысловому анализу содержания цифровых изображений: статических изображений, например фотографий, видеоизображений, наборов кадров в интернет-ресурсах, а также в файлах изображений на устройствах хранения данных или в приложениях к электронным письмам.

Изобретение относится к классификации данных изображения и, более конкретно, к классификации данных изображения на основе модели для адаптирования к объекту в данных изображения. Технический результат заключается в возможности классифицировать данные изображения без какого-либо ввода данных пользователем. Система содержит блок (110) сегментации для сегментирования данных изображения путем адаптирования модели к объекту в данных изображения и блок (120) классификации для присвоения класса данным изображения на основе модели, адаптированной к объекту в данных изображения, таким образом, классифицируя данные изображения, при этом блок (120) классификации содержит блок (122) атрибутов для вычисления значения атрибута модели на основе модели, адаптированной к объекту в данных изображения, и при этом присвоенный класс основан на вычисленном значении атрибута. Таким образом, система (100) изобретения способна классифицировать данные изображения без какого-либо ввода пользователем. Все вводы, требуемые для классификации данных 10 изображения, составляют модель для адаптирования к объекту в данных изображения. Однако специалист в данной области техники поймет, что в некоторых вариантах осуществления системы (100) может быть предоставлена возможность ограниченного количества вводов пользователем, чтобы позволить пользователю оказывать влияние и управлять системой и процессом классификации. 5 н. и 8 з.п. ф-лы, 8 ил.

Изобретение относится к вычислительной технике и может быть использовано в компьютерных системах для поиска и выявления изображений, авторские права на которые нарушены. Техническим результатом является повышение точности, качества и скорости поиска идентичных или сходных до степени смешения изображений. В способе поиска нарушений авторских прав на изображения, выполняемом на компьютерной системе, производят расчет дескриптора для изображения №1, располагающегося в блоке памяти №1. Выполняют расчет дескриптора для изображения №2, располагающегося в блоке памяти №2. Сравнивают значения дескрипторов изображений №1 и №2. Если значения дескрипторов изображений №1 и №2 равны, то выполняют сравнение изображений №1 и №2. После чего отображают результаты сравнения на устройстве для отображения информации. 6 н. и 7 з.п. ф-лы, 5 ил.

Изобретение относится к классификации биомолекулярных данных. Техническим результатом является повышение надежности классификации. Предусмотрена система (100) классификации для классификации биомолекулярных данных. Вход системы принимает множество признаков (102) выборки, которая должна быть классифицирована, и множество соответствующих оценок (104) ошибок. Статистический модуль (106) ассоциирует функции (108) плотности распределения вероятностей с признаками, при этом соответствующие функции плотности распределения вероятностей зависят от оценок ошибок. Модуль (110) репликации формирует множество возмущенных реплик (112) выборки, при этом признаки являются произвольно возмущенными согласно соответствующим надлежащим функциям плотности распределения вероятностей. Классификатор (114) классифицирует возмущенные реплики на основе возмущенных признаков. Анализатор (118) классифицирует выборку, которая должна быть классифицирована, на основе статистического анализа классифицированных реплик (116), чтобы получать классификацию (120) выборок. 3 н. и 10 з.п. ф-лы, 6 ил.
Изобретение относится к способу аутентификации владельца банковского счета при дистанционном банковском обслуживании. Техническим результатом является повышение надежности результатов аутентификации владельца банковского счета. Способ аутентификации владельца банковского счета при дистанционном банковском обслуживании с использованием биометрических характеристик лица владельца банковского счета характеризуется тем, что при открытии банковского счета и/или выпуске банковской карты производится фотографическое изображение лица владельца счета, и тем, что оно вносится в электронном виде в базу данных банка и в память банковской карты, и при проведении операции по счету с помощью компьютера, мобильного телефона, банкомата, кассового терминала изображение лица человека, осуществляющего операцию посредством веб-камеры, оптического сканера, установленных на применяемом техническом средстве, передается в базу данных банка, при этом компьютер банка сверяет полученное изображение с изображением, хранящимся в базе данных банка, и в случае тождественности изображений дает разрешение на проведение операции, или в случае несоответствия изображений отказывает в проведении операции, и при наличии инструкции банка-эмитента карты карта блокируется банкоматом.
Изобретение относится к области комплексного контроля людей на пунктах пропуска. Техническим результатом является автоматизация и повышение эффективности обнаружения следовых количеств веществ, подлежащих контролю, на кистях рук, повышение чувствительности и достоверности обнаружения следов опасных веществ при совмещении с биометрической верификацией человека по геометрии кисти руки. Способ комплексного контроля людей на пунктах пропуска включает идентификацию по геометрии кисти руки и коду доступа и газоаналитическое обнаружение следовых количеств опасных веществ, при этом в начале контроля осуществляют идентификацию личности по цифровому коду, затем проводят биометрическую верификацию личности по геометрии кисти руки с одновременным контролем положения кисти руки на пробоотборной пластине, включающую считывание параметров кисти руки и сравнение полученных при сканировании руки параметров с эталонными значениями, хранящимися в базе данных системы контроля и управления доступом, а после снятия руки с пробоотборной пластины перед началом газоанализа область, где находилась рука, изолируют защитным кожухом, затем газоанализатор автоматически перемещается к пробоотборной пластине, после этого пробоотборную пластину нагревают до определенной температуры, а нагретые пары оставленных следов поступают в газоанализатор, и результат комплексного контроля передается в систему контроля и управления доступом.

Изобретение относится к технологиям анализа медицинских изображений. Техническим результатом является повышение эффективности автоматического планирования двухмерных видов в объемных медицинских изображениях. Способ включает: оценивают статистическую модель положений анатомических точек, проводят обучение детектора анатомических точек, получают объемное изображение области интереса, обнаруживают множество кандидатов анатомических точек, выполняют поиск наилучшей конфигурации анатомических точек среди кандидатов, осуществляют построение плоскостей видов на основе найденной конфигурации анатомических точек, оценивание параметров указанной статистической модели осуществляют с использованием аннотированного множества объемных изображений; обучение детектора анатомических точек производят с использованием энергии указанной статистической модели, как части функции потерь; обнаружение множества кандидатов анатомических точек осуществляют детектором анатомических точек, обученным с использованием указанного выше алгоритма; поиск наилучшей конфигурации анатомических точек производят с помощью жадного итеративного поиска конфигурации, минимизирующей указанную энергию статистической модели. Система реализует действия способа. 3 н. и 8 з.п. ф-лы, 5 ил.

Изобретение относится к устройству обработки бумажных листов. Технический результат заключается в повышении быстродействия при идентификации знака. Устройство обработки бумажных листов, в соответствии с настоящим изобретением, включает в себя: блок формирования изображения, выполненный с возможностью снимать изображение бумажного листа и генерировать изображение бумажного листа; блок идентификации, выполненный с возможностью идентифицировать знак каждой цифровой позиции, включенной в серийный номер, с участка серийного номера изображения бумажного листа; блок вывода, выполненный с возможностью выводить изображение части, соответствующей участку серийного номера изображения бумажного листа, когда есть цифровая позиция, чей знак не может быть идентифицирован блоком идентификации; блок отображения, выполненный с возможностью отображать каждый знак, идентифицированный блоком идентификации, и изображение, выведенное из блока вывода; и блок ввода, выполненный с возможностью принимать ввод каждого знака, соответствующего цифровой позиции, чей знак не может быть идентифицирован блоком идентификации. 6 н. и 7 з.п. ф-лы., 12 ил.

Изобретение относится к автоматике и вычислительной технике. Технический результат - повышение производительности устройства. Устройство для распознавания образов содержит многоканальный коммутатор, аналого-цифровой преобразователь, блок памяти коэффициентов ассоциативности признаков, блок логических элементов И, блок сдвиговых регистров, блок управления, логический элемент ИЛИ, регистр адресов, блок памяти выбора адресов, буферный регистр. 4 ил., 4 табл.

Изобретение относится к автоматике и вычислительной технике и может быть использовано в системах автоматического распознавания образов для распознавания состояний объектов по значениям их параметров. Технический результат изобретения заключается в повышении производительности устройства за счет сокращения количества опрашиваемых признаков распознавания для случаев, когда результат становится известным заранее по текущей ситуации распознавания. Технический результат достигается за счет устройства, в которое дополнительно включены регистр кодов признаков, блок памяти кодов признаков, дешифратор кодов признаков и блок памяти результата. 5 ил., 2 табл.

Изобретение относится к способам обработки цифровых изображений. Техническим результатом является обеспечение возможности сопоставления дескрипторов применительно к задаче поиска дубликатов изображений. Предложено устройство поиска дубликатов изображений. Устройство содержит блоки предобработки первого и второго изображений, блоки регистрации первого и второго изображений, блоки преобразования первого и второго изображений в цветовое пространство YIQ, блоки выделения синфазной составляющей первого и второго изображений, блоки формирования изображений в результате вращения первого и второго изображений, блоки формирования изображений при изменении угла наклона первого и второго изображений, блоки хранения моделированных изображений для первого и второго изображений, блок применения метода SIFT, блок вычисления количества одинаковых дескрипторов, блок хранения найденной пары дубликатов. 5 ил.
Наверх