استخراج ویژگی چهره

یک سیستم تشخیص چهره معمولا" شامل 3 بخش می باشد:

1.آشکار سازی چهره

2.استخراج حالات چهره

3.تشخیص چهره

تشخیص چهره یک حالت مهم از استخراج و تفسیر حالت های احساسی و حالت های روانی برای انسان ها است. در روانشناسی، مهرابیان و سایر همکارانش به این نتیجه رسیده اند که تنها 7 درصد از اطلاعات وابسته به انسان ها در بین زبان ها قابل حمل هستند، 38 درصد از حمل این اطلاعات  از طریق گفتار انجام می شود و 55 درصد از آن ها توسط حالات چهره قابل حمل هستند. از این رو تشخیص حالات چهره می تواند اطلاعات بسیار ارزشمندی را برای ما فراهم نموده و می توان از آن برای شناسایی آگاهی و فعالیت های ذهنیشان استفاده نمود. هدف اصلی روش های تشخیص حالات چهره، توسعه ی  سیستم های دقیق، کارا و خودکار برای تمایز قائل شدن بین حالت های مختلف چهره و در نتیجه تعیین احساسات انسان ها  با استفاده از حالت های چهره است که می تواند شامل مواردی از قبیل خوشحالی، ناراحتی، عصبانیت، ترس، هیجان و نفرت باشد. FER های خودکار به صورت چشمگیری توسعه یافته اند و توجهات زیادی را در زمینه های بینایی ماشین، تشخیص الگو و هوش مصنوعی به علت کاربردهای بالقوه آن در تعاملات انسان و کامپیوتر، آنالیز احساسات انسان، ویدیوهای تعاملی، شاخص گذاری تصاویر و بازیابی تصاویر به خود جلب نموده اند. در اصل، یک سیستم FER پایه از دو مرحله ی اصلی تشکیل شده اند: استخراج ویژگی های چهره و دسته بندی حالت های چهره.

استخراج حالات چهره یک راهکار برای استخراج ویژگی های چهره از تصویر چهره ورودی برای نشان دادن کارایی حالت های چهره است. بر اساس انواع مختلفی از تصاویر ورودی، روش های استخراج ویژگی های چهره را می توان به 2 دسته ی مختلف تقسیم نمود:

1.روش های استخراج ویژگی های چهره برای تصاویر ایستا بدون گوناگونی است.

2.روش های استخراج ویژگی برای دنباله ای از تصاویر پویا است.

برای تصاویر ایستا، دو نوع از روش های استخراج ویژگی وجود دارند: روش های مبتنی بر ویژگی های هندسی و روش های مبتنی بر ظاهر.

- روش های مبتنی بر ویژگی های هندسی: چهره ی انسان از ابرو ها، چشم ها، مژه ها، دماغ، دهان، چانه و موارد دیگری تشکیل شده اند. اندازه، مسیر، موقعییت و بسیاری از موارد دیگر تأثیر زیادی در استخراج حالت های چهره دارد. از این رو ویژگی های هندسی رامی توان برای نشان دادن موقعیت و شکل مؤلفه های چهره مانند: دماغ، دهان و یا ابروها استفاده نمود. هدف اصلی روش های مبتنی بر ویژگی های هندسی استفاده از روابط هندسی بین نقاط ویژگی چهره برای استخراج ویژگی های چهره است. با این حال، استخراج ویژگی های چهره معمولا" نیازمند تکنیک های شناسایی نقاط ویژگی با دقت بسیار بالایی است. روش های مبتنی بر ویژگی های هندسی می توانند خیلی راحت تغییرات در بافت تصویر را که شامل مواردی از قبیل چین و چروک هستند را نادیده بگیرند که به عنوان عوامل بسیار مهم و تأثیر گذاری در مدل بندی حالت های چهره هستند. یک نوع اصلی از روش های استخراج ویژگی های چهره وجود دارند که شامل موارد زیر هستند: مدل های شکل فعال(ASM)، مدل های ظاهر فعال(AAM)، مدل های تبدیل ویژگی مقیاس نامتغییر(SIFT).

- روش های مبتنی بر ظاهر: هدف اصلی روش های مبتنی بر ظاهر استفاده از تمام چهره و یا مناطق خاصی از تصویر چهره برای بازتاب اطلاعات مخفی شده در تصویر چهره است. این روش برای نشان دادن تغییرات چهره مانند چین و چروک ها بسیار مناسب هستند. در حالت کلی دو روش اصلی برای روش های استخراج ویژگی های چهره مبتنی بر ظاهر وجود دارد: الگوهای باینری محلی(LBP)، نمایش طول موج گابور.

روش های استخراج حالت چهره برای دنباله ای از تصاویر پویا :

دنباله ای از تصاویر پویا نشان دهنده ی فرآیند ادامه داری است که برای استخراج ویژگی های چهره ار آن استفاده می شود. ویژگی های حالات چهره برای دنباله ای از تصاویر پویا در حالت کلی با استفاده از حرکات چهره و تغییر شکل چهره نشان داده می شوند. دو روش مشهور برای استخراج حالات چهره برای دنباله ای از تصاویر پویا وجود دارد: جریان نوری و ردیابی نقاط ویژگی.