Нейросетевые технологии как средства организации обработки изображений (на примере идентификации лица человека)

(11)

Нахождение же для последнего слоя НС не представляет трудности, так как нам известен целевой вектор, т. е. вектор тех значений, которые должна выдавать НС при данном наборе входных значений.

(12)

И наконец запишем формулу (6) в раскрытом виде

(13)

Рассмотрим теперь полный алгоритм обучения нейросети:

1. подать на вход НС один из требуемых образов и определить значения выходов нейронов нейросети

2. рассчитать для выходного слоя НС по формуле (12) и рассчитать изменения весов выходного слоя N по формуле (13)

3. Рассчитать по формулам (11) и (13) соответственно и для остальных слоев НС, n = N-1..1

4. Скорректировать все веса НС

(14)

5. Если ошибка существенна, то перейти на шаг 1

На этапе 2 сети поочередно в случайном порядке предъявляются вектора из обучающей последовательности.

1.7 Постановка задачи

Необходимо исследовать процесс распознавания лица, выделить

основные составляющие данного процесса. Следует определить свойства и принципы, на основе которых можно использовать нейронные сети. При этом необходимо:

· исследовать процесс обработки изображения на основе нейронных сетей;

· определить основные принципы для обеспечения оптимальной работы сети;

· смоделировать процесс обучения нейронной сети на языке программирования C++;

· провести анализ полученных результатов.

Выводы по главе I

В данной главе были освещены основные теоретические аспекты поставленной в данной работе задачи. Проведен сравнительный анализ существующих на сегодняшний день подходов к ее решению. Изложены основные цели данной работы.

II. Разработка распознающей модели системы распознавания лиц на основе нейросетевых технологий

В данной главе описана используемая модель решения задачи распознавания лица человека. Рассмотрен каждый этап решения поставленной в данной работе задачи.

2.1 Предварительная обработка изображения

На вход программы подается картинка разрешением не более 1100х1100 пикселей. Сразу после загрузки происходит процесс предварительной обработки, заключающийся в том, что исходное изображение раскладывается на красный, синий и зеленый каналы, после чего эти составляющие сохраняются отдельно. Кроме того, на основе информации содержащейся в этих составляющих формируется дополнительный канал - изображение в оттенках серого. Эти составляющие используются в последующих этапах.

2.2 Решение проблемы обнаружения лица

Для обнаружения местоположения лица на исходном изображении был применен метод цветового сегментирования. Как показали исследования, диапазон цвета человеческой кожи достаточно компактен и цветовые характеристики могут быть применимы для обнаружения областей соответствующим коже на фотографиях. Преимущества использования цвета:

l Цвет - базовый признак лица, легко распознаваемый человеческим зрением.

l Цвет - низкоуровневый признак с малой вычислительной сложностью.

l Цвет инвариантен к пространственным преобразованиям.

С другой стороны цветовая информация чувствительна к изменениям освещения и технических характеристик видеоаппаратуры.

Суть применяемого в данной работе метода цветового сегментирования заключается в последовательной проверке каждого пикселя изображения на соответствие критерию, определяющему принадлежит ли цвет данного пикселя диапазону цвета кожи. Для реализации цветового классификатора необходимо выбрать цветовое пространство и затем эмпирически установить границы области этого пространства соответствующей диапазону цвета кожи.

В данной работе были использованы три различных цветовых пространства и соответствующие им классификаторы:

1) Цветовое пространство RGB

Цветовой классификатор Prgb(skin) = R>95 and G>40 and B>20

and R>G and R>B and |R-G|>15 and Max(R,G,B)-Min(R,G,B)>15 (2.1)

2) Цветовое пространство HSV

Формула перевода из RGB:

(2.2) (2.3)

Цветовой классификатор Phsv(skin) = S>0.07 and S<0.8 and H>0 and H<0.2*р

3) Цветовое пространство TSL

Формула перевода из RGB:

(2.4)

r = R/(R+G+B) (2.5)

g = G/(R+G+B)

Цветовой классификатор Ptsl(skin) = |T-0.578|<0.1 and |S-0.157|<0.118

Финальное решение о принадлежности пикселя коже выносится на основе результатов всех трех классификаторов.

Рис. 2.1. Исходное изображение.

После цветового фильтра к изображению применяется краевой детектор Канни для выделения границ между объектами. Это необходимо т.к. после цветовой фильтрации регионы близкие по цвету могут слиться воедино.

Рис. 2.2. Исходное изображение после применения цветовой фильтрации и детектора краев.

Наконец, каждый сегмент в полученной цвето-краевой карте проверяется геометрическим классификатором, определяющим его пропорции, размеры и форму. На основе этих проверок геометрический классификатор выносит решение о том, является ли проверяемый сегмент лицом или нет. Если результат оказывается положительным, границы лицевого региона корректируются и запоминаются для последующей обработки.



Рис. 2.3. Изображение после прохождения через геометрический фильтр, с выделенными лицевыми регионами.

2.3 Извлечение ключевых характеристик

Когда лицо обнаружено можно приступать к следующему этапу. Цель этого этапа - извлечение числовых характеристик, соответствующих объекту распознаванию и зависящих от выбранного метода распознавания. В данной работе такими характеристиками являются несколько различных расстояний между элементами лица взятых в различных пропорциях друг к другу, что позволяет обеспечить инвариантность по отношению к двухмерным геометрическим преобразованиям, таким как поворот, перенос и масштабирование. Для вычисления этих расстояний используются 10 антропометрических точек - центры и внешние края глаз, центр губ, точка на переносице, и 4 точки на скулах.

Для получения координат этих точек используется сегментный краевой детектор SUSAN, настроенный так, чтобы находить зоны неравномерного цветового распределения на лице. Затем полученные зоны проходят цветовой и геометрический тест, который определяет, является ли данная зона глазом или ртом. После чего вычисляют координаты центров тяжести этих зон, которые и принимаются за центры глаз и рта соответственно. На основе координат этих трех точек вычисляется угол наклона лица к горизонтали, и рассчитываются остальные точки. После получения координат всех антропометрических точек вычисляется расстояния между ними и берется набор их отношений, который и выступает в качестве исходных данных для распознавания.

2.4 Построение нейросетевого классификатора

Результатом второго этапа выступает вектор антропометрических значений. После получения этого вектора необходимо сравнить полученный вектор с векторами хранящимися в базе данных, и определить среди них вектор наиболее «близкий» данному. Иными словами встает проблема классификации данных: полученный вектор выступает в качестве объекта классификации, векторы, хранящиеся в базе данных, представляют собой некое множество классов; необходимо определить какому из классов принадлежит классифицируемый объект. Для решения задачи классификации была разработана и реализована модель искусственной нейронной сети.

Искусственная нейронная сеть, используемая в данной работе, состоит из двух слоев. Первый или входной слой, состоящий из пяти нейронов, служит для распределения компонент вектора антропометрических значений, подаваемого на вход сети между нейронами второго слоя. Каждый нейрон этого слоя соответствует одной определенной компоненте антропометрического вектора. Второй или выходной слой выполняет оценку близости данного входного вектора каждому из классов, представленных в базе.



Рис. 2.6. Структура применяемой нейронной сети.

Каждый нейрон этого слоя соответствует одному определенному классу из базы, и, следовательно, их число меняется в зависимости от количества записей хранящихся в базе. В качестве передаточной функции была выбрана логистическая функция. Выходное значение каждого нейрона выходного слоя определяет степень совпадения входного антропометрического вектора классу, представленному этим нейроном. Диапазон выходных значений для нейронов второго слоя представляет собой отрезок [0, 1]. Для обучения сети был выбран упрощенный вариант алгоритма обратного распространения ошибки.

Выводы по главе II

Таким образом, в данной главе были описаны модели решения всех этапов задачи распознавания лица человека с использованием нейросетевых технологий.

III. Программная реализация поставленной задачи

В данной главе освещаются основные вопросы, связанные с программной реализацией решения поставленной в данной работе задачи. Дается краткое описание используемого инструментария и структуры программы.

3.1 Описание выбранного инструментария

В качестве языка программирования используемого для реализации решения поставленной задачи был выбран язык C++. Данный язык обладает несколькими качествами, делающими его пригодным и эффективным для решения поставленной задачи, а именно:

1. Данный язык предоставляет программисту большой набор возможностей.

2. Синтаксис данного языка позволяет писать достаточно компактный и эффективный код.

3. Вследствие его распространенности существует множество сред быстрой разработки поддерживающих разработку приложений с помощью этого языка, а также большое количество справочной информации.

Что касается конкретной среды разработки, была выбрана среда Embarcadero Technologies CodeGear RAD Studio 2009. На сегодняшний день, эта среда быстрой разработки приложений является одной из самых распространенных сред, поддерживающих разработку программ на языке C++. Эта среда обладает эффективным и быстрым компилятором, большим набором поддерживаемых функций и инструментов разработки, удобным интерфейсом, а также мощной и подробной справочной системой, что делает процесс разработки в этой среде быстрее и удобнее.

3.2 Руководство программиста

Для хранения изображений, подаваемых на вход и получаемых в процессе работы программы, используется класс Image, имеющий следующую структуру:

Таблица №3.1. Описание класса Image.

Поле/Метод	Описание
short SizeX;	Размер изображения по горизонтали (в пикселях).
short SizeY;	Размер изображения по вертикали (в пикселях).
int O[][];	Исходное изображение
unsigned char R[][];	Красный канал исходного изображения
unsigned char G[][];	Зеленый канал исходного изображения
unsigned char B[][];	Синий канал исходного изображения
unsigned char Gray[][];	Исходного изображения в режиме оттенков серого
void operator=(Graphics::TBitmap *BMP)	Функция получения изображения из BMP-картинки
void SendChannel(Graphics::TBitmap *BMP, char num)	Функция передачи изображения в BMP-картинку для вывода на экран или сохранения.

Ниже приведен список основных подпрограмм используемых в проекте.

Таблица №3.2. Описание основных функций

Функция	Описание
void Recognize()	Идентификация по базе
void ForwardPhase(double Input[])	Прямой проход по нейросети
void BackPropagation()	Обучение по алгоритму обратного распространения ошибки
void LineScan(int X, int Y, double k, double b, int dir, int ind)	Вспомогательная функция для обнаружения антропометрических точек на скулах
void AVVBuilder()	Формирование антропометрического вектора
bool LipsDetector(vector<TPoint> V, Image &Input, Image &Output, int X1, int Y1, int X2, int Y2)	Верификатор области рта
bool EyeDetector(Image &Input, Image &Output, int X1, int Y1, int X2, int Y2, int MinX, int MinY, int MaxX, int MaxY)	Верификатор области глаз
void SUSAN(Image &Input, Image &Output)	Краевой детектор SUSAN
void ImageLoading()	Функция загрузки изображения в программу
void CannyEdgeDetector(Image &Input, Image &Output)	Краевой детектор Канни
void FeatureExtractor(Image &Input, int X1, int Y1, int X2, int Y2)	Экстрактор антропометрических точек
void ColorFilter(Image &Img1, Image &Output)	Цветовой фильтр
void FaceDetector(Image &Input)	Лицевой детектор

Рис.3.1. Схема работы программы

3.3 Руководство пользователя

Внешний вид рабочего окна программы представлен на рис. 3.2. Все элементы в окне программы разбиты разделены на несколько групп. Вверху окна расположено главное меню, содержащее команды общего назначения. Ниже расположена адресная строка и кнопка “Browse”, при нажатии на которую открывается диалог открытия файлов. Под адресной строкой, в левой части окна располагается группа кнопок, отвечающих за разные стадии процесса распознавания, а также поля для вывода значений компонент антропометрического вектора. Справа от этих элементов находится панель на которой отображаются загружаемые изображения. Под этой панелью расположен блок информации о субъекте. В этом блоке выводиться информация о субъекте при успешном распознавании.

Рис. 3.2. Рабочее окно программы.

Для начала работы с программой необходимо загрузить в нее исходное изображение. Для этого надо нажать кнопку “Browse” и в появившемся диалоговом окне выбрать желаемый файл. Затем последовательно нажимать кнопки “Color Filter”(Применение цветового фильтра), “Face Detector”(Детектор лиц) и “Feature Extractor”(Экстрактор антропометрической информации). После этого, надо нажать “Recognize” для запуска процесса распознавания. В случае если распознавание было успешным и субъект идентифицирован, в блоке информации о субъекте появится информация об идентифицированном человеке. В противном случае там же будет выведено сообщение о том, что распознавание не удалось и объект не идентифицирован. Кнопка “Clear Base” очищает базу лиц. Кнопка “Add Face To Base” служит для занесения нового человека в базу данных. После этого необходимо нажатием кнопки “Train Network” произвести повторное обучение сети на основе обновленной антропометрической базы.

Выводы по главе III

В данной главе были рассмотрена практическая реализация решения поставленной задачи, освещены структура написанной программы, описан используемый при разработке инструментарий, приведено руководство пользователя.

нейронный сеть распознавание изображение

IV. Безопасность жизнедеятельности

В данной главе рассматриваются несколько важных проблем возникающих при организации безопасной производственной деятельности человека. Рассмотрены некоторые методы их решения.

4.1 Влияние метеорологических условий производственной среды на организм человека

4.1.1 Понятие о микроклимате производственных помещений

Метеорологические условия (Микроклимат) производственных помещений ? это климат внутренней среды этих помещений, который определяется действующими организм человека сочетаниями температуры, влажности и скорости движения воздуха, а также температуры окружающих поверхностей.

На рис. 4.1 приведена классификация производственного микроклимата.

Рис. 4.1. ? Виды производственного микроклимата

Метеорологические условия рабочей среды оказывают влияние на процесс теплообмена и характер работы. Микроклимат характеризуется температурой воздуха, его влажностью и скоростью движения, а также интенсивностью теплового излучения. Длительное воздействие на человека неблагоприятных метеорологических условий резко ухудшает его самочувствие, снижает производительность труда и приводит к заболеваниям.

Высокая температура воздуха способствует быстрой утомляемости работающего, может привести к перегреву организма, тепловому удару. Низкая температура воздуха может вызвать местное или общее охлаждение организма, стать причиной простудного заболевания либо обморожения.

Влажность воздуха оказывает значительное влияние на терморегуляцию организма человека. Высокая относительная влажность (отношение содержания водяных паров в 1 м3 воздуха к их максимально возможному содержанию в этом же объёме) при высокой температуре воздуха способствует перегреванию организма, при низкой же температуре она усиливает теплоотдачу с поверхности кожи, что ведёт к переохлаждению организма. Низкая влажность вызывает пересыхание слизистых оболочек путей работающего.

Подвижность воздуха эффективно способствует теплоотдаче организма человека и положительно проявляется при высоких температурах, но отрицательно низких.

Субъективные ощущения человека меняются в зависимости от изменения параметров микроклимата (таблица 4.1).

Таблица 4.1 ? Зависимость субъективных ощущений человека от параметров рабочей среды

Температура воздуха, єС	Относительная влажность воздуха, %	Субъективное ощущение
21	40	Наиболее приятное состояние.
	75	Хорошее, спокойное состояние.
	85	Отсутствие неприятных ощущений.
	90	Усталость, подавленное состояние.
24	20	Отсутствие неприятных ощущений.
	65	Неприятные ощущения.
	80	Потребность в покое.
	100	Невозможность выполнения тяжёлой работы.
30	25	Отсутствие неприятных ощущений.
	50	Нормальная работоспособность.
	65	Невозможность выполнения тяжёлой работы.
	80	Повышение температуры тела.
	90	Опасность для здоровья.

Для создания нормальных условий труда в производственных помещениях обеспечивают нормативные значения параметров микроклимата: температуры воздуха, его относительной влажности и скорости движения, а также интенсивности теплового излучения.

4.1.2 Основные параметры микроклимата

В процессе труда в производственном помещении человек находится под влиянием определённых условий, или микроклимата ? климата внутренней среды этих помещений. К основным нормируемых показателям микроклимата воздуха рабочей зоны относятся температура, относительная влажность, скорость движения воздуха. Существенное влияние на параметры микроклимата и состояние человеческого организма оказывает также интенсивность теплового излучения различных нагретых поверхностей, температура которых превышает температуру в производственном помещении.

Относительная влажность воздуха представляет собой отношение фактического количества паров воды в воздухе при данной температуре к количеству водяного пара, насыщающего воздух при этой температуре.

Если в производственном помещении находятся различные источники тепла, температура которых превышает температуру человеческого тела, то тепло от них самопроизвольно переходит к менее нагретому телу, т.е. человеку. Различают три способа распространения тепла: теплопроводность, конвекцию и тепловое излучение.

Теплопроводность представляет собой перенос тепла вследствие беспорядочного (теплового) движения микрочастиц (атомов, молекул), непосредственно соприкасающихся друг с другом. Конвекцией называется перенос тепла вследствие движения и перемешивания макроскопических объёмов газа или жидкости. Тепловое излучение ? это процесс распространения электромагнитных колебаний с различной длиной волны, обусловленный тепловым движением атомов или молекул излучающего тела.

В реальных условиях тепло передаётся не каким-либо одним из указанных выше способов выше способов, а комбинированным.

Человек в процессе труда постоянно находится в состоянии теплового взаимодействия с окружающей средой. Для нормального протекания физиологических процессов в организме человека требуется поддержание практически постоянной температуры (36,6 єС). Способность человеческого организма к поддержанию постоянной температуры носит название терморегуляции. Терморегуляция достигается отводом выделяемого организмом тепла в процессе жизнедеятельности в окружающее пространство.

4.1.3 Создание требуемых параметров микроклимата

Для создания требуемых параметров микроклимата в производственном помещении применяют системы вентиляции и кондиционирования воздуха, а также различные отопительные устройства. Вентиляция представляет собой смену воздуха в помещении, предназначенную поддерживать в нем соответствующие метеорологические условия и чистоту воздушной среды.

Вентиляция помещений достигается удалением из них нагретого или загрязненного воздуха и подачей чистого наружного воздуха. Общеобменная вентиляция, предназначенная для обеспечения заданных метеорологических условий осуществляет смену воздуха во всём помещении. Она предназначена для поддержания требуемых параметров воздушной среды во всём объёме помещения.

По способу перемещения воздуха вентиляция может быть как естественной, так и с механическим побуждением, возможно также сочетание этих двух способов. При естественной вентиляции воздух перемещается за счёт разности температур в помещении и наружного воздуха, а также в результате действия ветра.

Способы естественной вентиляции: инфильтрация, проветривание, аэрация, с использованием дефлекторов.

В настоящие время для поддержания для требуемых параметров микроклимата широко применяют установки для кондиционирования воздуха (кондиционирования). Кондиционированием воздуха называется создание и автоматическое поддержание в производственных или бытовых помещениях независимо от внешних метеорологических условий постоянных или изменяющихся по определённой программе температуры, влажности, чистоты и скорости движения воздуха, сочетания которых создаёт комфортные условия труда или требуется для нормального протекания технологического процесса. Кондиционер ? это автоматизированная вентиляционная установка, поддерживающая в помещении заданные параметры микроклимата.

Для поддержания заданной температуры воздуха в помещениях в холодное время года используют водяную, паровую, воздушную и комбинированную системы отопления.

В системах водяного отопления в качестве теплоносителя используется вода, либо перегретая выше этой температуры. Такие системы отопления наиболее эффективны в санитарно-гигиеническом отношении.

Системы парового отопления используется, как правило, в промышленных помещениях. Теплоносителем в них является водяной пар низкого или высокого давления.

В воздушных системах для отопления используется нагретый в специальных установках (калориферах) воздух. Комбинированные системы отопления используют в качестве элементов рассмотренные выше системы отопления.

4.2 Чрезвычайные ситуации. Защита предприятия в чрезвычайных ситуациях и ликвидация последствий

4.2.1 Чрезвычайные ситуации

Чрезвычайная ситуация (ЧС) - это обстановка на определенной территории, сложившаяся в результате аварии, опасного природного явления, катастрофы, стихийного или иного бедствия, которые могут повлечь или повлекли за собой человеческие жертвы, ущерб здоровью людей или окружающей природной среде, значительные материальные потери и нарушение условий жизнедеятельности людей.

Экстремальное событие - это отклонение от нормы процессов или явлений.

Авария - это экстремальное событие техногенного характера, происшедшее по конструктивным, производственным, технологическим или эксплуатационным причинам, либо из-за случайных внешних воздействий, и заключающееся в повреждении, выходе из строя, разрушении технических устройств или сооружений.

Производственная или транспортная катастрофа - это крупная авария, повлекшая за собой человеческие жертвы, значительный материальный ущерб и другие тяжелые последствия.

Опасное природное явление - это стихийное событие природного происхождения, которое по своей интенсивности, масштабу распространения и продолжительности может вызвать отрицательные последствия для жизнедеятельности людей, экономики и природной среды.

Стихийное бедствие - это катастрофическое природное явление (или процесс), которое может вызвать многочисленные человеческие жертвы, значительный материальный ущерб и другие тяжелые последствия.

Экологическая катастрофа (экологическое бедствие) - чрезвычайное событие особо крупных масштабов, вызванное изменением (под воздействием антропогенных факторов) состояния суши, атмосферы, гидросферы и биосферы, сопровождающееся массовой гибелью живых организмов и экономическим ущербом.

4.2.2 Классификация чрезвычайных ситуаций

Всю совокупность возможных чрезвычайных ситуаций целесообразно первоначально разделить на конфликтные и бесконфликтные.

· К конфликтным, прежде всего, могут быть отнесены военные столкновения, экономические кризисы, экстремистская политическая борьба, социальные взрывы, национальные и религиозные конфликты, терроризм, разгул уголовной преступности, крупномасштабная коррупция и др.

· Бесконфликтные чрезвычайные ситуации, в свою очередь, могут быть классифицированы (систематизированы) по значительному числу признаков, описывающих явления с различных сторон их природы и свойств.

Все чрезвычайные ситуации можно классифицировать по трем основным принципам - масштабу распространения, темпу развития и природе происхождения.

При классификации чрезвычайных ситуаций по масштабу распространения следует учитывать не только размеры территории, подвергнувшейся воздействию ЧС, но и возможные ее косвенные последствия. К ним относятся тяжелые нарушения организационных, экономических, социальных и других существенных связей, действующих на значительных расстояниях. Кроме того, принимается во внимание тяжесть последствий, которая и при небольшой площади ЧС может быть огромной и трагичной.

· Локальные (частные) чрезвычайные ситуации не выходят территориально и организационно за пределы рабочего места или участка, малого отрезка дороги, усадьбы или квартиры. К локальным относятся чрезвычайные ситуации, в результате которых пострадало не более 10 человек, либо нарушены условия жизнедеятельности не более 100 человек, либо материальный ущерб составляет не более 1 тыс. минимальных размеров оплаты труда.

· Если последствия чрезвычайной ситуации ограничены территорией производственного или иного объекта (т.е. не выходят за пределы санитарно-защитной зоны) и могут быть ликвидированы его силами и ресурсами, то эти ЧС называются объектовыми.

· Чрезвычайные ситуации, распространение последствий которых ограничено пределами населенного пункта, города (района), области, края, республики и устраняются их силами и средствами, называются местными. К местным относятся чрезвычайные ситуации, в результате которых пострадало свыше 10, но не более 50 человек, либо нарушены условия жизнедеятельности свыше 100, но не более 300 человек, либо материальный ущерб составляет свыше 1 тыс., но не более 5 тыс. минимальных размеров оплаты труда.

· Региональные чрезвычайные ситуации - такие ЧС, которые распространяются на территорию нескольких областей (краев, республик) или экономический район. Для ликвидации последствий таких ЧС необходимы объединенные усилия этих территорий, а также участие федеральных сил. К региональным относятся ЧС, в результате которых пострадало от 50 до 500 человек, либо нарушены условия жизнедеятельности от 500 до 1000 человек, либо материальный ущерб составляет от 0,5 до 5 млн. минимальных размеров оплаты труда.

· Национальные (федеральные) чрезвычайные ситуации охватывают обширные территории страны, но не выходят за ее границы. Здесь задействуются силы, средства и ресурсы всего государства. Часто прибегают и к иностранной помощи. К национальным относятся ЧС, в результате которых пострадало свыше 500 человек, либо нарушены условия жизнедеятельности более 1000 человек, либо материальный ущерб составляет более 5 млн. минимальных размеров оплаты труда.

· Глобальные (трансграничные) чрезвычайные ситуации выходят за пределы страны и распространяются на другие государства. Их последствия устраняются силами и средствами как пострадавших государств, так и международного сообщества.

Каждому виду чрезвычайных ситуаций свойственна своя скорость распространения опасности, являющаяся важной составляющей интенсивности протекания чрезвычайного события и характеризующая степень внезапности воздействия поражающих факторов. С этой точки зрения такие события можно подразделить на:

· внезапные (взрывы, транспортные аварии, землетрясения и т.д.);

· стремительные (пожары, выброс газообразных сильнодействующих ядовитых веществ (СДЯВ), гидродинамические аварии с образованием волн прорыва, сель и др.),

· умеренные (выброс радиоактивных веществ, аварии на коммунальных системах, извержения вулканов, половодья и пр.);

· плавные (аварии на очистных сооружениях, засухи, эпидемии, экологические отклонения и т.п.). Плавные (медленные) чрезвычайные ситуации могут длиться многие месяцы и годы, например, последствия антропогенной деятельности в зоне Аральского моря.

Классификация чрезвычайных ситуаций по происхождению:

· Чрезвычайные ситуации техногенного характера

· Чрезвычайные ситуации природного характера

· Чрезвычайные ситуации экологического характера

4.2.3 Ликвидация последствий ЧС

Ликвидация чрезвычайной ситуации осуществляется силами и средствами предприятий, учреждений и организаций независимо от их организационно-правовой формы, органов местного самоуправления, органов исполнительной власти субъектов, на территории которых сложилась чрезвычайная ситуация, под руководством соответствующих комиссий по чрезвычайным ситуациям.

Ликвидация чрезвычайной ситуации считается завершенной по окончании проведения аварийно-спасательных и других неотложных работ.

Спасательные работы. Спасательные и другие неотложные работы в очагах поражения включают:

· разведку очага поражения, в результате которой получают истинные данные о сложившейся обстановке;

· локализацию и тушение пожаров, спасение людей из горящих зданий;

· розыск и вскрытие заваленных защитных сооружений, розыск и извлечение из завалов пострадавших;

· оказание пострадавшим медицинской помощи, эвакуация пораженных в медицинские учреждения, эвакуация населения из зон возможного катастрофического воздействия (затопления, радиационного и другого заражения);

· санитарная обработка людей, обеззараживание транспорта, технических систем, зданий, сооружений и промышленных объектов;

· неотложные аварийно-восстановительные работы на промышленных объектах.

Разведка в кратчайшие сроки должна установить характер и границы разрушений и пожаров, степень радиоактивного и иного вида заражения в различных районах очага, наличие пораженных людей и их состояние, возможные пути ввода спасательных формирований и эвакуации пострадавших. По данным разведки определяют объемы работ, уточняют способы ведения спасательных и аварийных работ, разрабатывают план ликвидации последствий чрезвычайного события.

В планах ликвидации последствий намечают конкретный перечень неотложных работ, устанавливают их очередность. С учетом объемов и сроков проведения спасательных работ определяют силы и средства их выполнения. В первую очередь в плане необходимо предусматривать работы, направленные на прекращение воздействия внешнего фактора на объект (если это возможно), локализацию очага поражения, постановка средств, препятствующих распространению опасности по территории объекта. Для своевременного и успешного проведения спасательных работ планируется проведение целого ряда неотложных мероприятий:

· устройство при необходимости проездов в завалах и на загрязненных участках; оборудование временных путей движения транспорта (так называемых колонных путей);

· локализация аварий на сетях коммунально-энергетических систем; восстановление отдельных поврежденных участков энергетических и водопроводных сетей и сооружений;

· укрепление и обрушение конструкций зданий и сооружений, препятствующих безопасному проведению спасательных работ.

В качестве спасательных сил используют обученные спасательные формирования, создаваемые заблаговременно, а также вновь сформированные подразделения из числа работников промышленного объекта (подразделений гражданской обороны объекта). В качестве технических средств используют как объектовую технику (бульдозеры, экскаваторы со сменным оборудованием, автомобили-самосвалы, автогрейдеры, моторные и прицепные катки, пневматический инструмент и т. д.), так и спецтехнику, находящуюся в распоряжении спасательных формирований (специальные подъемно-транспортные машины, корчеватели-собиратели, ручной спасательный инструмент, бетоноломы, средства контроля и жизнеобеспечения).

Очень важно как можно быстрее оценить обстановку, предугадать развитие пожаров и на этой основе принять правильное решение по их локализации и тушению. При локализации на пути распространения огня (с учетом направления ветра) устраивают отсечные полосы: на направлении распространения пожара разбирают или обрушивают сгораемые конструкции зданий, полностью удаляют из отсечной полосы легковозгораемые материалы и сухую растительность: для создания отсечной полосы шириной до 50-100 м необходима дорожная техника (бульдозеры, грейдеры и т. д.).

Выводы по главе IV

Таким образом, в данной главе были рассмотрены проблемы, возникающие в связи с влиянием метеорологических условий производственной среды на организм человека, а также при различных чрезвычайных ситуациях. Были рассмотрены методы решения таких проблем.

Заключение

В результате проделанной работы была смоделирована программная модель, реализующая распознавание с помощью многослойной нейронной сети. Программа реализует загрузку изображений, предобработку изображения и извлечение антропометрической информации. Далее производится классификация извлеченного образца. Анализ полученных выходных значений НС путем выбора максимального значения определяет код принадлежности к тому или иному классу, содержащемуся в базе. При лабораторных испытаниях программы использовался ПК со следующими системными характеристиками: Процессор: Intel DualCore 3.0 GHz; ОЗУ: 2000 Mb; OS: Windows XP SP2.

Основные результаты дипломной работы следующие:

1. На основе анализа и обработки специальной литературы и ресурсов Интернет были проработаны, выявлены и применены принципы и знания из теории нейросетевых технологий, кодирования изображений, структуры графических форматов файлов, алгоритмических построений блок-схем и объектно-ориентированного программирования на языке C++ в среде разработки Embarcadero Technologies CodeGear RAD Studio 2009.

2. Для исследования проблемы распознавания лица человека была введена БД из нескольких эталонных образов (по одному образцу на каждый представленный класс).

3. Были исследованы различные подходы к решению проблемы распознавания человеческих лиц, выявлены основные недостатки существующих методов и определены направления дальнейшего исследования данной области.

Таким образом, рассмотренная нейросетевая модель обратного распространения предоставляет широкие возможности для применения в решении различных задачах классификации и распознавания.

Литература

1. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. Москва изд. «Телеком» 2003. С 25.

2. Хайкин С. Нейронные сети. 2-е издание. Москва изд. «Вильямс» 2006. С 219.

3. Осовский С. Нейронные сети для обработки информации. Москва изд. «Финансы и статистика» 2002. С 51.

4. Каллан Р. Основные концепции нейронных сетей. Москва изд. «Вильямс» 2001. С. 36.

5. Уоссермен Ф. Нейрокомпьютерная техника: теория и практика. Москва 1992.

6. Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. Москва изд. «Фазис» 2005.

7. Сотник С. Л, Конспект лекций по курсу "основы проектирования систем искусственного интеллекта", Москва, 1998.

8. Дуда Р., Харт П. Распознавание образов и анализ сцен, Москва, «Мир», 1976.

9. Квиташвили А.А., Тхинвалели Р.Г., Канделаки М.К., Гелдиашвили Н.И. Однородная система распознавания трехмерных объектов и речевых сигналов, Материалы международной объединенной конференции по ИИ, Тбилиси, 1976.

10. Горбань А.Н. Обучение нейронных сетей. Москва, “ПараГраф”, 1990.

11. Цыганков В.Д. Нейрокомпьютер и его применение. Москва, СолСистем, 1993.

12. Sankar K. Pal, Sushmita Mitra. Multilayer perseptron, fuzzy, sets and classification. Transactions on neural networks, Vol.3, N5, 1992, pp. 683-696.

13. Kosko B. (1987a). Bi-directional associative memories. IEEE Transactions on Systems, Man and Cybernetics 18(1):49-60.

14. Qarey M. R., Johnson D. S. 1979. Computers and intrac-tality. New York: W.H. Freeman.

15. Minsky M. L, Papert S. 1969. Perseptrons. Cambridge, MA: MIT Press. (Русский перевод: Минский М. Л., Пейперт С. Персептроны. - М: Мир. - 1971.)

16. Hinton G. E., Sejnowski T. J. 1986. Learning and relearning in Boltzmann machines. In Parallel distributed processing, vol. 1, p. 282-317. Cambridge, MA: MIT Press.

Размещено на Allbest.ru

...