Метод обработки дистанционной биометрической информации в системах контроля и управления доступом тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Десятчиков, Андрей Александрович

• Десятчиков, Андрей Александрович
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Десятчиков, Андрей Александрович

Введение.

Глава 1. Анализ методов обработки биометрической информации в системах контроля и управления доступом.

1.1 Словарь терминов.

1.2 Обзор существующего состояния биометрических технологий.

1.3 Постановка задачи.

Глава 2. Метод дистанционной биометрической идентификации по последовательностям изображений лица и голосу.

2.1 Общее описание и функциональная схема метода дистанционной биометрической идентификации.

2.1.1 Общее описание особенностей предлагаемого метода.

2.1.2 Протокол взаимодействия с пользователем при идентификации с помощью дистанционного биометрического метода идентификации человека.

2.1.3 Функциональная схема метода идентификации.

2.2 Описание функциональных элементов метода идентификации.

2.2.1 Функциональные элементы обработки изображений лица.

2.2.2 Функциональные элементы обработки звука.

2.2.3 Функциональные элементы смешанной идентификации.

2.2.4 Внешние функциональные элементы.

Глава 3. Программно-алгоритмический комплекс идентификации человека по лицу и голосу.

3.1 Описание комплекса идентификации человека.

3.2 Методы обработки последовательностей изображений лица человека.

3.3 Метод контроля качества изображений лица.

3.4 Методы обработки звукового сигнала.

3.5 Метод совместного принятия решения по изображениям лица и голосу человека.

3.6 Протокол и метод регистрации биометрических признаков.

3.7 Протокол взаимодействия пользователя с комплексом при идентификации.

Глава 4. Тестирование мультимодального биометрического комплекса. комплекса.о J

4.2 База биометрических данных для отладки и тестирования комплекса.

4.4 Результаты тестирования распознавания речи и идентификации голоса.

4.5 Результаты тестирования распознавания лица.

4.6 Результаты тестирования связанной идентификации.

Введение диссертации (часть автореферата) на тему «Метод обработки дистанционной биометрической информации в системах контроля и управления доступом»

Актуальность темы.

Обработка биометрической информации служит для решения ряда важных задач с точки зрения обеспечения безопасности и повышения качества обслуживания. Биометрическая система используют для идентификации набор неотъемлемых признаков людей, что является предпочтительным с точки зрения защиты от краж, копирования или потери идентификационных признаков. Вариантами применения биометрических технологий на текущий момент являются внедрение их в системы контроля и управления доступом в качестве основных или вспомогательных средств идентификации, внедрение вспомогательных идентификационных технологий в сферу обслуживания (в том числе, при обслуживании важных лиц) и в системы безопасности повышенной надежности, а также в правоохранительные системы. Применения не ограничиваются контролем физического перемещения субъектов или объектов, но включают управление правами пользования материальными и информационными ресурсами. В полуавтоматическом режиме биометрические системы позволяют быстро решать технические проблемы, связанные с поиском идентификационной информации и формированием гипотез для обоснованного принятия решения человеком.

С точки зрения практического применения биометрических технологий актуальны вопросы взаимодействия человека с системой: время считывания идентификационных признаков, время идентификации, физические и психологические препятствия для считывания признаков, удобство и естественность протоколов взаимодействия с системой.

Время считывания во многом зависит от природы используемых биометрических признаков. Квазидинамические признаки (например, голос, динамика подписи или печати на клавиатуре) требуют значительно большего времени считывания для обеспечения достоверного результата. Время идентификации определяется скоростью работы алгоритмов системы. На практике обычно требуют работы систем в режиме реального времени, то есть время идентификации должно мало отличаться от времени считывания признаков. Некоторые биометрические технологии вызывают на практике психологическое отторжение у пользователей (например, считывание радужной оболочки или сетчатки глаза) или при современном развитии малопригодны для взаимодействия с людьми нестандартного телосложения (например, считывание радужной оболочки).

Естественность требований к поведению пользователя также определяет его лояльность к системе. Самым удобным вариантом является отсутствие каких-либо требований и дополнительных действий (например, передвижений или контакта с системой). В этом плане актуально использование дистанционной идентификации. Специфичностью 5 действий объясняется ограниченность практического применения таких признаков, как клавиатурный почерк. Практически приемлемо выполнение только простейших естественных действий.

С точки зрения применения биометрических систем в полуавтоматическом режиме и организации внешнего контроля над деятельностью систем биометрической идентификации актуальна возможность простого взаимодействия с оператором или аудитором. Идентификационная информация должна быть представлена в таком виде, чтобы оператор или аудитор смог быстро принять по ней самостоятельное идентификационное решение.

Биометрические решения, использующие только один идентификационный признак подвержены специфическим проблемам и угрозам атак. Квазистатические признаки подделываются при помощи муляжей. Квазидинамические подменяются обычно более сложными копиями. Изменения в окружающих условиях и физические изменения в организме пользователя могут повлиять на результаты идентификации. Более надежным является подход, основанный на использовании нескольких биометрических признаков разной природы, как квазистатических, так и квазидинамических. При этом возникает дополнительная потребность в вычислительных ресурсах. Актуальным также становится решение проблемы роста вычислительной сложности и понижения надежности идентификации с ростом количества пользователей (так называемой масштабируемости).

Возникает вопрос разработки метода идентификации на базе биометрических данных, учитывающего все описанные выше особенности. При этом актуальность архитектуры системы связана с уменьшением влияния основных возникающих практических угроз и проблем идентификации.

Цель работы.

Целью нашей работы является разработка и тестирование метода идентификации человека на базе дистанционных биометрических данных в контексте задачи контроля и управления доступом, работающего в режиме реального времени и позволяющего решать следующие задачи: a. Устранение зависимости характеристик метода от числа пользователей; b. Повышение надежности метода идентификации; c. Повышение защищенности от ложных отказов в доступе, связанных со сложными условиями освещения, изменениями во внешнем виде человека или выражении лица, помехами на лице или предельными ракурсами съемки; d. Повышение защищенности от несанкционированного доступа при помощи грима или муляжей, а также других вариантов копирования статического изображения лица или голоса. e. Обеспечение приемлемых для практического использования характеристик времени доступа и сложности взаимодействия пользователя с методом; f. Возможность удобного контроля и аудита работы метода.

Методы исследования.

Для решения вышеперечисленных задач использованы методы теории обработки данных, теории распознавания образов, теории вероятностей, компьютерного зрения. Реализация этих методов осуществлена в виде программного обеспечения на языках программирования C/C++ и MatLab.

Научная новизна.

Автором впервые предложен эффективный метод дистанционной идентификации человека в режиме реального времени на базе биометрических данных, объединяющий способы распознавания человека по изображениям лица и голосу, а также использующий методы распознавания речи для замедления роста вычислительной сложности и устранения снижения надежности распознавания человека с ростом числа пользователей.

Автором предложен оригинальный подход к оценке качества изображения объекта с целью повышения надежности распознавания.

Получены новые численные оценки надежности идентификации человека в рамках представленного метода, объединяющего технологии распознавания человека по изображениям лица и голосу с применением распознавания речи.

Практическая значимость.

Представлена практическая реализация разработанного метода в виде дистанционного мультимодального биометрического комплекса для идентификации человека в режиме реального времени по изображениям лица и голосу, который удовлетворяет требованиям к удобству пользования. Продемонстрировано на практике повышение надежности распознавания на базе описанного подхода по оценке качества изображения. При помощи разработанных методов и программно-аппаратных комплексов произведено накопление уникальной базы биометрических данных. Продемонстрирована пригодность накопленных биометрических данных для отладки и тестирования биометрических технологий.

Положения, выносимые на защиту: 1. Метод дистанционной идентификации человека в режиме реального времени по последовательностям изображений лица и по речевым данным, включающая распознавание голоса и лица человека, позволяющиая сократить число анализируемых гипотез при помощи распознавания речи. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.

2. Метод контроля качества изображений лица в мультимодальной системе дистанционной биометрической идентификации. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.

3. Метод получения синхронных биометрических данных по изображениям лица, голосу и речи, используемых для отладки и тестирования комплекса дистанциониой идентификации человека в режиме реального времени. Программное обеспечение для программно-аппаратного комплекса, которое реализует метод.

4. Метод принятия совместного решения при верификации человека по последовательностям изображений лица и голосу, основанная на линейном разделении пространства мер сходства.

5. Результаты тестирования надежности мультимодального комплекса дистанционной биометрической идентификации человека с применением разработанных методов и собранных биометрических данных, в том числе: верификации по изображениям лица, верификации по голосу, связанной идентификации по лицу и голосу.

Для подтверждения научных положений приведены теоретические обоснования. Полученные выводы подтверждены экспериментально.

Личный вклад автора в проведенное исследование.

Вклад автора работы в результаты, выносимые на защиту, является определяющим.

Апробация работы. Работа в целом и отдельные результаты докладывались и обсуждались на семинарах в ВЦ РАН им. А.А. Дородницына, а также на следующих конференциях:

1. Всероссийская научно-практическая конференция «Современный экстремизм в Российской Федерации: особенности проявления и средства противодействия», Москва, 2006.

2. Международная биометрическая конференция «Транспортные и пассажирские системы», Москва, 2006.

3. Международная биометрическая конференция «Паспортные и правоохранительные системы», Москва, 2006.

4. Шестое рабочее совещание Российской секции международного общества по интеллектуальным вычислениям «Биометрические системы» (IEEE Computational Intelligence Society, «Biometrics»), Москва, 2006.

Публикации. По теме диссертации опубликовано 5 печатных работ (из них 3 в списках журналов рекомендованных ВАК РФ) [13-17].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 96 наименований. Диссертация содержит 101 страницу машинописного текста, 4 таблицы и 24 рисунка.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Десятчиков, Андрей Александрович

Заключение

1. Разработан метод дистанционной идентификации человека в режиме реального времени по последовательностям изображений лица и по речевым данным, включающий распознавание голоса и лица человека, позволяющий сократить число анализируемых гипотез при помощи распознавания речи.

2. Разработан метод контроля качества изображений лиц в мультимодальной системе дистанционной биометрической идентификации.

3. Разработан метод получения синхронных биометрических данных по изображениям лица, голосу и речи, используемых для отладки и тестирования системы.

4. Разработан метод принятия совместного решения при верификации человека по последовательностям изображений лица и голосу, основанный на выборе наиболее близких изображений лица шаблона и эталона по мере сходства и линейном разделении пространства мер сходства по изображениям лица и голосу.

5. Разработаны архитектура комплекса дистанционной идентификации на базе разработанного метода идентификации, позволяющие сократить длительность фрагмента речи пользователя, требующегося для идентификации, и программное обеспечение для объединения биометрических технологий на базе аудио- и видеопотоков.

6. Метод контроля качества изображений лиц реализован на языке C/C++ и включен в состав программного обеспечения мультимодальной биометрической системы в виде динамической библиотеки.

7. Разработаны протокол взаимодействия с пользователем и программное обеспечение для реализации метода получения синхронных биометрических данных по изображениям лица, голосу и речи.

8. Накоплена база биометрических данных с применением разработанных метода, протокола и программного обеспечения для получения синхронных биометрических данных по изображениям лица, голосу и речи.

9. Проведено тестирование и оценена эффективность биометрической идентификации с применением разработанных методов на базе собранных биометрических данных около 1600 персон. Оценивалась эффективность следующих методов: верификации по изображениям лица, верификация по голосу, связанной идентификации по лицу и голосу. Продемонстрировано, что связанная идентификация в ~3 раза сокращает уровень ошибок по сравнению с идентификацией по отдельным признакам.

Список литературы диссертационного исследования кандидат технических наук Десятчиков, Андрей Александрович, 2007 год

1. Атал Б. Автоматическое опознавание дикторов по голосам. // ТИИЭР, 1976, т. 64, №4, с. 48-66.

2. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. М.: Мир-1989.

3. Бовель Е.И., Хейдоров И.Э. Статистические методы распознавания речи: скрытые марковские модели. // Успехи современной радиоэлектроники. 1998, №3, с. 45-65.

4. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.:Наука, 1974. 416с.

5. Власенко В.А., Лаппа Ю.М., Ярославский Л.П. Методы синтеза быстрых алгоритмов свертки и спектрального анализа сигналов. М.: Наука, 1990.

6. Верхаген К., Дейн Р., Грун Ф., Йостен Й., Вербек П. Распознавание образов: состояние и перспективы. М.:Радио и связь, 1985. 104с.

7. Волковицкий В.Д., Волхонский В.В. Системы контроля и управления доступом. СПб: Экополис и культура, 2003,167 стр.

8. Гайдышев И.П. Анализ и обработка данных. Специальный справочник. С.Петербург: Питер. 2001.

9. Глухов Д.Н., Иванов А.И. Оценка стойкости тайных биометрических образов человека//Современные технологии безопасности 2003, № 2(5)., с. 30-32.

10. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.:Высшая школа, 1984. 208с.

11. ГОСТ Р51241-98. Средства и системы контроля и управления доступом. Классификация. Общие технические требования. Методы испытаний. М.: Госстандарт России.

12. Гуревич И.Б. Проблема распознавания изображений // Распознавание, классификация, прогноз. М: Наука, 1989, выпуск 1, с. 280-329.

13. Десятчиков А.А, Ковков Д.В., Лобанцов В.В., Маковкин К.А., Матвеев И.А., Мурынин А.Б., Чучупал В.Я., Комплекс алгоритмов для устойчивого распознавания человека // Известия РАН. Теория и системы управления. 2006, т. 45 №6, с. 73-85.

14. Десятников А.А, Матвеев И.А., Мурынин А.Б, Биометрические технологии дистанционного распознавания человека, // Мир и безопасность. М: Витязь-М, 2006, №4. Тезисы конференции «Транспортные и пассажирские системы», 2006, с. 17

15. Десятчиков А.А, Мурынин А.Б., Оценка качества изображений при идентификации человека // Труды ИСА РАН. Динамика неоднородных систем. Вып. 9 (1), М.: УРСС, 2005, с. 181-187

16. Десятчиков А.А., Мурынин А.Б, Тресков Ю.П., Чучупал В.Я., Синхронная биометрическая многофакторная идентификация. // Труды ИСА РАН. Динамика неоднородных систем. Вып. 9 (1), М.: УРСС, 2005, с. 188-194

17. Зинин A.M., Кирсанова J1.3. Криминалистическая фотопортретная экспертиза, М.Изд. МВД СССР, 1991

18. Иванов А.И. Оценка систем биометрической аутентификации.// Защита информации. Конфидент. N2,1998, с. 77-81.

19. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Из-во Пензенского государственного университета, 2000, 188 с.

20. Кузнецов В.Д., Матвеев И.А., Мурынин А.Б., Идентификация объектов по стереоизображениям. Оптимизация информационного пространства. // Изв. РАН. ТиСУ. 1998. V. 37. № 4. Р. 557-560.

21. Кухарев Г.А., Биометрические системы: Методы и средства идентификации личности человека. СПб.: Политехника, 2001,240 стр.

22. Маркел Дж. Д., Грей А.Х. Линейное предсказание речи. -М.: Радио и связь, 1980, 248 с.

23. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. Пер с англ. М.:Радио и связь, 1987

24. Матвеев И.А., Мурынин А.Б. Идентификация объектов по стереоизображениям. Оптимизация алгоритмов восстановления поверхности // Изв. РАН. ТиСУ. 1998 V. 37. № 3. Р. 487-493.

25. Мурынин А.Б. Автоматическая система распознавания личности по стереоизображениям // Изв. РАН. ТиСУ. 1999. V 38. № 1. Р. 100-108.

26. Новикова Е.Г., Петраков А.В., Рабовский С.В., Урьев Г.А. Бизнес безопасность -телекоммуникации: Терминологический словарь, 2-е изд., М: Радио и связь, 2002, 328 стр.

27. Прэтт У. Цифровая обработка изображений. Пер с англ. М.:Мир, 1982

28. Рабинер Jl.Р., Шафер Р.В. Цифровая обработка речевых сигналов. Пер. с англ.-М.: Радио и связь, 1981.

29. Розенберг А. Автоматическая верификация диктора: Обзор. // ТИИЭР, 1976, т. 64, №4, с. 66-79

30. Самаль Д.И., Старовойтов В.В. Методика автоматизированного распознавания людей по фотопортретам // Цифровая обработка изображений. Минск: ИТК, 1999. с.81-85.

31. Скородумов Б.И. Программно-аппаратные комплексы защиты от несанкционированного доступа к информации: Учебное пособие. / Моск. гос. инженер.-физ. ин-т, Центр, банк Рос. Федерации. М., 1996. 107 с.

32. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер с англ. М.:Мир, 1978

33. Умнов А.В. Считыватели и идентификаторы.// Средства и системы контроля и управления доступом: Каталог. М., 2003, с.24-25.

34. Фор А. Восприятие и распознавание образов. М. Машиностроение, 1989, 273 с.

35. Фуканага К. Введение в статистическую теорию распознавания образов. М.: Наука, 1979, 368 с.

36. Хорн Б.К.П. Зрение роботов. М.:Мир. - 1989. - 487с.

37. Цыпкин Я.З. Информационныя теория идентификации. М.:Наука, Физматлит, 1995

38. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы. М.:Машиностроение, 1994

39. ANSI Tl.801.03, American National Standard for Telecommunications Digital transport of one-way video signals. Parameters for objective performance assessment, American National Standars Institute, 2003.

40. Bazanov P., Buryak D., Mun W. et al. Comparison of Gabor Wavelet and Neural Network-based Face Detection Algorithms // Proc. IASTED Conf. On Signal and Image Processing. Honolulu. Acta Press. 2006. P. 178-184.

41. Bazanov P., Tae-Kyun Kim, Seok Cheol Kee, Sang Uk Lee, Hybrid and Parallel Face Classifier based on artificial neural networks and principal component analysis. Proc. of International Conference on Image Processing. 2002 , Volume: 1, Page(s): 916 -919

42. Belhumeur N., Hespanha J. Kriegman D. Eigenfaces vs. Fisherfaces: Recognition Using Class Specific Linear Projection // IEEE Trans. PAMI. 1997. V. 19. № 7. P. 711-720.

43. Ben-Yacoub S., Abdeljaoued Y., Mayoraz E. Fusion of face and speech data for personal identity verification // IEEE Trans. Neural Networks. 1999. V. 10. № 5. P. 1065-1074.

44. Bigun J., Borgerforce G., Sanniti di Baja G. Audio- and Video-Based Biometric Person Authentication. Berlin: Springer. 1997.

45. Chuchupal V., Makovkin К., Gorokhovsky К. et al. A Study of the Acoustic Model Choice for Russian Speech Recognition // Proc. Int. Workshop "Speech and Computer". St. Petersburg. 2002. P. 53-56.

46. Daugman J, Biometric decision landscapes. Technical Report TR482. Cambridge: University of Cambridge Computer Laboratory. 2000.

47. Daugman J. High confidence visual recognition of persons by a test of statistical independence//IEEE Trans. PAMI. 1993. V. 15. № 11. 1148-1161.

48. Daugman J. How iris recognition works, IEEE Trans. Circuits Syst. Video Technol., vol.14, no.l, pp.21—30, 2004

49. Duda R., Hart P., Stork D. Pattern Classification. New York: John Wiley and Sons. 2001.

50. European Telecommunication Standard Institute. ETSI Standard ES 202 050. Sophia-Antipolis, France: Sophia-Antipolis. 2004. www.etsi.org.

51. Face Recognition Grand Challenge, NIST, http://www.frvt.org/FRGC/

52. Face Recognition Vendor Test 2006, NIST, http://www.frvt.org/FRVT2006/

53. Faugeras O., Hotz В., Mathieu H. Real-time correlation based stereo: algorithm, implementations and applications // Internat. J. Computer Vision. 1996. № 1.

54. Fingerprint Vendor Technology Evaluation (FpVTE) 2003, NIST, http://fpvte.nist.gov/FpVTEMain.html.

55. Gomm K., U.K. Passport agency: 'Iris recognition needs work', ZDNet UK: 2005 http://www.zdnetasia.eom/news/securitv/0.39044215.39283306.00.htm

56. Griffin P. Optimal Fusion for Identity Verification. New Jersey: Identix. 2003.

57. Haberman W., Fejfar A., Automatic ID of Personnel through Speaker and Signature Verification System Description and Testing // Proc. Of Carnahan Conference on Crime Countermeasures, University of Kentucky, 1976

58. Historical Timeline, Iridian Technologies, http://www.iridiantech.com/

59. Hong L., Jain A., Pankanti S. Can Multibiometrics Improve Performance? // Proc. IEEE Workshop on Automatic Identification Advanced Technologies. New Jersey. 1999. P. 59-64.

60. Husken M., Brauckmann M., Gehlen S. et al. Strategies and Benefits of Fusion of 2D and 3D Face Recognition // Proc. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington. IEEE Computer Society. 2005.

61. ISO/IEC 2005 "Biometric Performance Testing and Reporting Part 1 Principles and Frameworks"

62. Jain A., Ross A. Multibiometric Systems // Communications of the ACM. 2004. V. 47. № 1. P. 34-40.

63. Jain A., Ross A. Learning User-specific Parameters in a Multibiometric System // Proc. ШЕЕ International Conference on Image Processing. Rochester. 2002. P. 57-60.

64. Kittler J., Hatef M., Duin R. et al. On combining classifiers // IEEE Trans. PAMI. 1998. V. 20. № 3. P. 226-239.

65. Kohonen T. Self-organizing maps. Berlin: Springer-Verlag. 1995.

66. Kuznetsov V., Matveev I., Murynin A. et al. Development of the robust human feature detection algorithm for surveillance system // Proc. Samsung Tech. Conference 2004. Seoul. Samsung. 2004. P. 53-57.

67. Li X., Blind image quality assessment, in Proc. IEEE Int. Conf. Image Proc., 1, pp. 449452, Sept. 2002.

68. Macho D., Mauuary L„ Noe В., Cheng Y.M., Ealey D., Jouvet D., Kelleher H., Pearce D., and Saadoun F., "Evaluation of a noise-robust DSR front-end on Aurora databases," in Proc. ICS LP, Denver, Colorado, U.S.A., Sept. 2002, pp. 17--20.

69. Mansfield J., Kelly G., Chandler D. et al. Biometric product testing final report. Report for CESG and Biometrics Working Group. 2001.

70. Mansfield A. J., Wayman J. L. Best Practices in Testing and Reporting Performance of Biometric Devices. 2002

71. Marr D., Hildreth E. Theory of Edge Detection, Proceedings of the Royal Society of London, Series B, Vol. 207, p.187-217,1980.

72. Moghaddam В., Pentland A.P. An automatic system for model-based coding of faces // IEEE Data Compression Conf., Snowbird, Utah, March 1995

73. Moghaddam В., Pentland A.P. Face Recognition Using View-Based and Modular Eigenspaces // Automatic Systems for the Identification and Inspection of Humans, SPIE, V.2277, July 1994

74. Moghaddam В., Pentland A.P. Probabilistic visual learning for object detection // 5th Int. Conf. on Computer Vision, Cambridge Massuchusetts, June 1995

75. Open Source Computer Vision Library, Intel, 2002. http://www.intel.com/research/mrl/research/opencv/

76. Pankanti Sh., Bolle R.M., Jain A. Biometrics: The future of identification. IEEE Computer, February 2000, pp. 46-49.

77. Phillips P. J., Martin A., Wilson C. L., Przybocki M. An Introduction to evaluating biometric systems. IEEE Computer, February 2000, pp. 50-55.

78. Pinson M.H., Wolf S. A new standardized method for objectively measuring video quality, IEEE Transactions on broadcasting, Vol. 50, Issue: 3, pp. 312-322, Sept, 2004.

79. Pinson M.H., Wolf S. Reduced reference video calibration algorithms, NTIA Report TR-06-433, Oct 2005. Available at www.its.bldrdoc.gov/n3/video/documents.htm.

80. Rabiner L., Juang B-H. Fundaments of Speech Recognition. Englewood Cliffs: Prentice Hall Signal Processing Series, 1993.

81. Reynolds D.A., Quatieri T.F., Dunn R.B. Speaker Verification Using Adapted Gaussian Mixture Models //Digital Signal Processing. 2000. № 10. P. 19-41.

82. Ries M., Puglia R., Tebaldi Т., Nemethova O., Rupp M., Audiovisual Estimation for Mobile Streaming Services, Proc. Of International Symposium on Wireless Communication Systems IEEE Ed., Sept, 2005.

83. Samaria F. Face Recognition Using Hidden Markov Models // PhD thesis, Engineering Department, Cambridge University, 1994.

84. Sedgwick N. The Need for Standardisation of Multi-Modal Biometric Combination. Cambridge. Cambridge Algorithmica Limited. 2003.

85. Sheikh H.R., Bovik A.C., Cormack L., No-reference quality assessment using natural scene statistics: JPEG2000, IEEE Trans. Image Processing , 2004.

86. Sirovich L., Kirby M. Low-dimensional procedure for the characterization of human faces // J. Optical Society Am., 1987. V. 4. № 3. P. 519-524.

87. Snelick R., Uludag U., Mink A., Indovina M., Jain A., Large Scale Evaluation of Multimodal Biometric Authentication Using State-of-the-Art Systems, // NIST, MSU, Computer Science and Engineering, USA, 2005.

88. Turk M., Pentland A. Eigenfaces for Recognition // J. of Cognitive Neuroscience. 1991. V. 3.№1.P. 71 86.

89. Wang Z., Sheikh H. R., Bovik A. C., No-reference perceptual quality assessment of JPEG compressed images, in Proc. IEEE Int. Conf. Image Proc., (Rochester), Sept. 2002.

90. Winkler S., Quality metric design: A closer look, Proc. SPIE Human Vision and Electronic Imaging, vol. 3959, San Jose, California, January 22-28, 2000, pp. 37-44.

91. Winkler S., Dufaux F. Video Quality Evaluation for Mobile Applications, Proc. of SPIE Conference on Visual Communications and Image Processing, Lugano, Switzerland, vol. 5150, pp.593-603, July 2003.

92. Wiskott L., Fellous J.-M., Krueger N and Malsburg C. Face Recognition by Elastic Bunch Graph Matching. IEEE Transactions on Pattern Analysis and Machine Intelligence 1997, Vol. 19, pp. 775-779.

93. Wolf S., Pinson M. Video quality measurement techniques, NTIA Report 02-392, Jun. 2002. Available at www.its.bldrdoc.gov/n3/video/documents.htm.

94. Wolf S., Pinson M. Low bandwidth reduced reference video quality monitoring system, in Proc. First International Workshop on Video Processing and Quality Metrics for Consumer Electronics, Scottsdale, Arizona, Jan. 23-25, 2005.

95. Zhang Z., Faugeras O.D. Tracking and motion estimation in a sequence of stereo images // Proc. 9th European Conf. on Artificial Intelligence, pp. 747-752, Stockholm, August 1990