The use of centrally symmetric Haar features for stamp localization on the passport of a citizen of the Russian Federation

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

This paper proposes a modified version of the Viola-Jones algorithm to improve the accuracy of object localization in document images when searching for and locating a stamp. The modification involves expanding the feature space with square centrally symmetric features, resulting in a significant increase in accuracy. The effectiveness of this approach is demonstrated through its application to locating the official stamp on Russian Federation passports, and the paper provides quantitative estimates of the improvement achieved.

Авторлар туралы

M. Valov

Smart Engines Service LLC

Email: m.valov@smartengines.com

Laboratory assistant-programmer

Ресей, Moscow

D. Matalov

Smart Engines Service LLC; Federal Research Center “Computer Science and Control” of Russian Academy of Sciences

Email: d.matalov@smartengines.com

Researcher-programmer, Junior researcher

Ресей, Moscow; Moscow

S. Usilin

Smart Engines Service LLC; Federal Research Center “Computer Science and Control” of Russian Academy of Sciences

Хат алмасуға жауапты Автор.
Email: usilin@smartengines.com

Executive Director, Leading Researcher

Ресей, Moscow; Moscow

Әдебиет тізімі

  1. Viola P., Jones M.J. Robust Real-Time Face Detection. International Journal of Computer Vision 57, P. 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. V. 2019. no. 1. P. 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) P. 82-85.
  4. Polyakov I.V., Kuznetsova E.G., Usilin S.A., Nikolaev D.P. Postroenie optimalnykh kaskadov violy–dzhonsa pri pomoshchi “zhadnykh” algoritmov perebora upravlyayushchikh parametrov s promezhutochnym kontrolem po validatsionnoi vyborke [Training optimal viola–jones detectors using greedy algorithms for selecting control parameters with intermediate validation on each level]. Sensornye sistemy [Sensory systems]. 2016.V. 30(3). P. 241-248 (in Russian).
  5. Pchelincev S.Y., Arzamascev A.A. Primenenie Metoda Violy-Dzhonsa dlya raspoznavaniya dorozhnyh znakov [Applying the Viola-Jones Method to Traffic Sign Recognition]. Rossijskaya nauka v sovremennom mire [Russian science in the modern world]. 2019. P. 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. P. 507-517.
  7. Hussein I.J. et al. Fully automatic segmentation of gynaecological abnormality using a new viola– jones model. Comput. Mater. Contin. 2021. V. 66.P. 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. V. 31. No.3. P. 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. Arlazarov V.V., Nikolaev D.P., Usilin S.A. and Sholomov D.L. Raspoznavanie gil’oshirnyh elementov: opredelenie stranic pasporta RF [Guilloche Elements Recognition Applied to Passport Page Processing]. Trudy ISA RAN. 2013. V. 63. No 3. P. 106-110.
  12. Arlazarov V.V., Matalov D.P. and Usilin S.A. Lokalizaciya obraza pechati na dokumente, udostoveryayushchem lichnost’, metodom mashinnogo obucheniya [Localization of the seal on the identity document image using machine learning approach]. Trudy ISA RAN. Special Issue. 2018. No. 1. Vol. 68. P. 158-166.
  13. Kuznetsova E., Shvets E., Nikolaev D. Viola- Jones based hybrid framework for real-time object detection in multispectral images. ICMV 2015 V. 9875. 2015. P. 98750N1-98750N6. doi: 10.1117/12.2228707.
  14. Aliev M.A., Arlazarov V.V., Matalov D.P., Nikolaev D.P., Polevoy D.V. and Usilin S.A. Sposob ocenki dejstvitel’nosti dokumenta pri pomoshchi opticheskogo raspoznavaniya teksta na izobrazhenii kruglogo ottiska pechati/shtampa na cifrovom izobrazhenii dokumenta [Method of assessing the validity of a document using optical recognition of text on the image of a round impression of a print / stamp on a digital image of a document] // Rospatent 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. V. 88. No. 2,P. 303–338. https://doi.org/10.1007/s11263-009-0275-4

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».