تشخیص اتوماتیک چهره شخص با استفاده از الگوریتم‌های تشخیص الگو(قسمت اول)

در این مقاله به بررسی تشخیص چهره با الگوریتم‌های تشخیص الگو خواهیم پرداخت. ﻧﻈﺎرت ﺧﻮدﮐﺎر ﺑﺮ ﺟﻤﻌﯿﺖ ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢﻫﺎی کامپیوتری ﺑﺎ ﭼﺎﻟﺶﻫﺎی ﻣﺘﻌﺪدی ﻣﻮاﺟﻪ اﺳﺖ ﮐﻪ دﻗﺖ و ﺳﺮﻋﺖ ﺷﻨﺎﺳﺎﯾﯽ اﻓﺮاد دو ﻣﻮﻟﻔﻪ اﺻﻠﯽ آن ﻫﺴﺘﻨﺪ. ﺳﺮﻋﺖ و دﻗﺖ ﻫﺮدو ﺑﻪ ﮐﯿﻔﯿﺖ اﻃﻼﻋﺎت ورودی واﺑﺴﺘﮕﯽ دارﻧﺪ. ﻋﻼوه ﺑﺮ اﯾﻦ، دﻗﺖ اﯾﻦ ﺳﯿﺴﺘﻢﻫﺎ ﺗﺤﺖ ﺗﺎﺛﯿﺮ ﻣﻮارد زﯾﺮ ﻧﯿﺰ واﻗﻊ ﻣﯽﺷﻮد:

وﺿﻌﯿﺖ: ﻧﺤﻮه ﻗﺮارﮔﯿﺮی ﺻﻮرت اﻓﺮاد در تصویر

وﺟﻮد اﺟﺰای ﺳﺎﺧﺘﺎری: اﺟﺰایی ﻣﺎﻧﻨﺪ ﺳﺒﯿﻞ، رﯾﺶ و ﯾﺎ ﮐﻼه

ﺣﺎﻻت ﺻﻮرت: ﻟﺒﺨﻨﺪ زدن، اﺧﻢ ﮐﺮدن و ﺑﯿﺎن ﺳﺎﯾﺮ ﻋﻮاﻃﻒ اﻧﺴﺎﻧﯽ ﻣﯽﺗﻮاﻧﺪ ﭼﻬﺮهﻫﺎ را ﻣﺘﻨﻮعﺗﺮ ﮐﻨد.

ﻫﻢﭘﻮﺷﺎﻧﯽ: ﻣﻤﮑﻦ اﺳﺖ ﺑﺨﺸﯽ از ﺻﻮرت اﻓﺮاد ﺗﻮﺳﻂ ﺳﺎﯾﺮ اﻓﺮاد و ﯾﺎ اﺟﺴﺎم دﯾﮕﺮ ﭘﻮﺷﺎﻧﺪه ﺷﻮد.

ﺟﻬﺖ: ﻣﻤﮑﻦ اﺳﺖ ﺑﻪ دﻟﯿﻞ ﭼﺮﺧﺶ دورﺑﯿﻦ و ﯾﺎ ﺣﺎﻻت رﻓﺘﺎری اﻓﺮاد، ﻧﻤﺎی ﭼﻬﺮه دﭼﺎر ﭼﺮﺧﺶ ﺷﺪه ﺑﺎﺷﺪ.

ﺷﺮاﯾﻂ ﺗﺼﻮﯾﺮی: وﯾﮋﮔﯽﻫﺎی دﯾﮕﺮ ﻣﺎﻧﻨﺪ ﺗﺎرﯾﮑﯽ و ﺷﺪت ﻧﻮر ﻣﯽﺗﻮاﻧﻨﺪ در ﮐﯿﻔﯿﺖ ﺗﺼﻮﯾﺮ ﻣﻮﺛﺮ واﻗﻊ ﺷﻮﻧﺪ.

فرآیند کار

سیستمهای تشخیص و بازشناسی افراد حداقل از ۲ بخش تشکیل می‌شوند که بخش اول، صرفا چهره‌های انسانی را در تصاویر و ویدیوها تشخیص می‌دهد و بخش دوم، با دریافت چهره‌های خروجی مرحله اول، ویژگی های انحصاری هر چهره را استخراج کرده و آنها را در پایگاه اطلاعاتی ذخیره‌سازی می‌کند. آنگاه سیستم می‌تواند با مقایسه ویژگی های هر چهره اقدام به شناسایی هر فرد در تمامی سوابق تصویری و ویدیویی کند.

تاکنون چندین الگوریتم برای تشخیص چهره پیشنهاد شده‌اند از جمله:

  1. تحلیل اجزای اصلی(Eigenface)
  2. تحلیل تفکیک خطی(Fisherface)
  3. الگوریتم مبتنی بر رنگ پوست(RGB، YCbCr، HIS)
  4. الگوریتم مبتنی بر Wavelet Gabor) Wavelet)
  5. الگوریتم‌های مبتنی بر شبکه‌های عصبی مصنوعی(Fast Forward، Back Propogation ، RBF)

الگوریتم  Eigenface یکی از معمول ترین الگوریتم های استفاده شده برای تشخیص چهره است که در بانک های اطلاعاتی با اندازه نسبتا کوچک، سرعت قابل قبولی ارائه می‌دهد. این الگوریتم در برابر چهره‌های کوچک و یا دارای شرایط محیطی مختلف دچار مشکل می‌شود. الگوریتم دسته ۲ زیرشاخه‌ای از Eigenface است که منحصرا برای شرایط مختلف نور بهینه‌تر شده است. دسته سوم که مبتنی بر رنگ پوست انسان است به دلیل تحلیل خطی کل تصویر بر اساس رنگ بسیار زمانبر است. الگوریتم های موجی نیز از ساختارهای فرکانسی فضایی برای تشخیص چهره استفاده می‌کنند.

جدیدترین نوع این الگوریتم‌ها، شبکه‌های مصنوعی عصبی هستند که بیشترین دقت ممکن را ارائه داده‌اند.

در این مقاله به بررسی تشخیص چهره با الگوریتم‌های تشخیص الگو خواهیم پرداخت. ﻧﻈﺎرت ﺧﻮدﮐﺎر ﺑﺮ ﺟﻤﻌﯿﺖ ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢﻫﺎی راﯾﺎﻧﻪای ﺑﺎ ﭼﺎﻟﺶﻫﺎی ﻣﺘﻌﺪدی ﻣﻮاﺟﻪ اﺳﺖ ﮐه...

تشخیص چهره انسان به روش ماشینی از طریق تصاویر ویدیویی به یک بخش تحقیقاتی فعال در جوامع پردازش تصویر، تشخیص الگو ، شبکه های عصبی و نگرش و دیدگاه کامپیوتری تبدیل شده است. انگیزه این علاقه از طریق برنامه های کاربردی، از انطباق ایستایی عکس هایی با فرمت کنترل شده نظیر پاسپورت، کارت های اعتباری، گواهینامه های رانندگی، و عکس های گرفته شده در حین جنایت گرفته تا انطباق واقعی تصاویر ویدیویی نظارت و مراقبت که بازتابی از محدودیت های مختلف بر حسب نیازمندی های پردازشی می باشند، حاصل شده است. اگرچه محققین در رشته روانشناسی، علوم عصبی و مهندسی، پردازش تصویر و نگرش و دید سیستم تعدادی از مسائل وابسته به تشخیص چهره توسط انسانها و ماشین ها را مورد پژوهش قرار داده اند، اما طراحی یک سیستم اتوماتیک برای این کار هنوز سخت و دشوار است، به ویژه زمانی که نیاز به شناسایی واقعی حتمی می باشد. دلایل این وضعیت سخت و دشوار عبارتنداز:

۱) تصاویر چهره بسیار متنوع است

۲) منابع تغییرپذیری که عبارتنداز  ظاهر فرد، ژست سه بعدی (۳-D) ، حالت چهره، موی چهره، آرایش ، و غیره که با گذشت زمان تغییر می کنند.

به علاوه، روشنایی، پس زمینه، مقیاس و پارامترهای اکتساب نیز همگی در تصاویر چهره بدست آمده تحت سناریوهای واقعی متنوع و متغیر می باشند. بنا به اظهارات، تغییرات بین تصاویر یک چهره به خاطر روشنایی و جهت دید، تقریباً همیشه بیشتر از تغییرات تصویر به خاطر تغییرات صورت گرفته در هویت چهره می باشند. این مسئله تشخیص چهره را به مشکل چالش برانگیزی تبدیل کرده است. دو مسئله در بطن تشخیص چهره حائز اهمیت می باشد که در مطلب بعدی به آن خواهیم پرداخت. تشخیص چهره با الگوریتم‌های تشخیص الگو
با ما همراه باشید:

www.sepantadp.com

 

فیسبوک توییتر گوگل + لینکداین تلگرام واتس اپ کلوب


هیچ نظری وجود ندارد