توضیحات

تشخیص چهره

تشخیص چهره به عنوان یک موضوع مهم و مورد توجه در بینایی کامپیوتر، کاربردهای مانند تعامل انسان و کامپیوتر، نظارت، کنترل دسترسی و غیره سودمندی دارد. اگرچه الگوریتم های بسیاری تاکنون به این منظور پیشنهاد شده اند، تشخیص چهره به علت بعضی مسائل چالش برانگیز ناشی از تغییرات ظاهری داخلی (تغییرات ژست و افزایش سن) و خارجی (انسداد، حالت، تغییرات روشنایی) باقی مانده است.

مساله شناسایی چهره، استخراج خصوصیتی از ناحیه صورت و تایید یا تشخیص چهره را شامل می شود. تشخیص چهره به تعیین دقیق موقعیت و اندازه چهره انسان از صحنه های به هم ریخته اشاره دارد. اما استخراج ویژگی به اخذ خصوصیاتی که می توان به سیستم طبقه بندی چهره داد، اشاره می کند. تشخیص چهره به مقایسه چهره ورودی با مدل هایی از چهره هایی که در یک پایگاه داده از چهره های شناخته شده ذخیره شده است اشاره دارد و در صورتی که همانندی پیدا شد آن را نشان می دهد. تایید چهره، به تایید کردن و یا رد کردن تعیین هویت چهره ورودی خواسته شده اشاره دارد. اگر چه به نظر می رسد انسان چهره را در صحنه های شلوغ نسبتا آسان تشخیص می دهد، اما تشخیص چهره با دستگاه به دلایل مختلفی مشکل تر می باشد. اولا، چهره های مختلف ممکن است بسیار شبیه به نظر برسند، به این معنا که هر صورت شامل دو چشم، دو گوش، یک بینی و یک دهان می باشد، در نتیجه به تفکیک دقیقی نیازمند است. ثانیا، دیدگاه های مختلف از همان چهره ممکن است به دلیل محدودیت های تصویربرداری مانند تغییرات در نور و تنوع در حالات صورت و همچنین به دلیل حضور لوازم جانبی شخصی، مانند عینک، ریش، و کلاه کاملا متفاوت باشند. در نهایت، زمانی که چهره تحت چرخش سطح تصویر برداری قرار می گیرد، مقدار زیادی از ساختار چهره ممکن است حذف شود.

روش به کار گرفته شده در این مقاله، روش نمایش مشترک کرنل در سیستم تشخیص چهره می باشد که می تواند در مورد مسائل خطی و غیر خطی به کار گرفته شود. ابتدا فرمول کلی نمایش مشترک کرنل با طبقه بند کارامد معرفی می گردد. این روش قادر به جمع آوری ویژگی های خطی و غیر خطی می باشد. این روش شامل دو مرحله اصلی به منظور استخراج روابط خطی یعنی نمایش و طبقه بندی می باشد. که تصویر نمونه ابتدا با ضرایب کدینگ و به واسطه حداقل سازی تابع هدف خاصی نمایان می شود و سپس بر اساس این ضرایب طبقه بندی می گردد. در ادامه الگوریتم نمایش مشترک کرنل می تواند با استفاده از توابع کرنل استخراج ویژگی های کارامد و متریک های غیرخطی را تسهیل کند که الگوریتم بر اساس انتخاب توابع کرنل مناسب، عبارات تنظیم سازی و قیود دیگر طراحی می گردد. در ادامه الگوریتم کارامد با مربع تنظیم l₂  ارائه شده و یک ثابت تنظیم سازی تعریف می شود که باعث پایدار کردن ضرایب کدینگ می گردد. در نهایت این الگوریتم به سیستم تشخیص چهره با الگوهای باینری محلی و کرنل همینگ اعمال می شود. تجزیه و تحلیل نتایج با استفاده از نرم افزار متلب صورت می پذیرد.

محصولات مشابه

شبیه سازی و ترجمه مقاله طراحی فیلتر ماسک غیر واضح مرکزی و گین با استفاده از PSO

شبیه سازی و ترجمه مقاله یک چارچوب یکپارچه برای ترمیم تصویر هوایی
شبیه سازی و ترجمه مقاله طراحی تنظیم مقیاس تطبیقی فیلتر ماسکینگ غیر تیز برای افزایش کیفیت وضوح تصویر