М а т е р и а л ы X I I В с е р о с с и й с к о й н а у ч н о - п р а к т и ч е с к о й к о н ф е р е н ц и и
П о с в я щ а е т с я 8 5 - л е т и ю в ы с ш е г о п е д а г о г и ч е с к о г о о б р а з о в а н и я в А р з а м а с е и
8 0 - л е т и ю п р о ф е с с о р а В я ч е с л а в а П а в л о в и ч а П у ч к о в а
431
4.
Клинаев, Ю. В. Объектно-ориентированный подход к реализации
комплексного метода оптимизации Бокса / Ю. В. Клинаев, Д. А. Мурашев, С.
С. Вест // Вестник СГТУ. – 2005. – № 2 – C. 77 - 83.
ПРИМЕНЕНИЕ СКРЫТЫХ МАРКОВСКИХ МОДЕЛЕЙ
ДЛЯ РАСПОЗНАВАНИЯ ЛИЦ НА ИЗОБРАЖЕНИИ
А.В. Зорин
студент, Дальневосточный федеральный университет, г. Владивосток
Аннотация. В статье рассмотрена скрытая марковская модель,
применимая для распознавания лиц на изображении, а также приведено
сравнение практического применения простой и псевдо – двумерной скрытых
марковских моделей.
Ключевые слова: скрытые марковские модели, распознавание лиц,
аутентификация.
Скрытая марковская модель (СММ, HMM) – вероятностная модель
последовательности, состоящая из набора наблюдаемых переменных
, набора скрытых переменных
, и значение
каждой наблюдаемой переменной
зависит только от значения
соответствующей скрытой переменной
, а значение каждой скрытой
переменной
зависит только от предыдущего значения скрытой переменной
. Следовательно, определены условные вероятности
и
и априорная вероятность
.
В основу скрытой марковской модели лег конечный автомат есть в основе
своей конечный автомат, который состоит из
состояний, которые
называются скрытые. Переходы из одного состояния в другое происходят в
соответствии с вероятностным законом и описываются матрицей вероятностей
переходов
.
Рис. 1. Структура переходов в СММ
Каждая одномерная СММ определяется следующими параметрами:
1.
Множество Q= {
} из m состояний.
2.
Начальное распределение вероятностей
.
3.
Матрица вероятностей переходов между состояниями
(
|
)
.
