مقالاتی که معرفی خواهد شد از جمله مقالات فارسی بسیار خوب در زمینه ی تشخیص چهره می باشد. به این صورت که در صفحه های ابتدایی این مقالات یک دید خوب در خصوص نحوه ی کاربرد و کارکرد تشخیص چهره در زمینه های گوناگون بدست می آید. کل متن این مقالات به این صورت سازماندهی می شود: بخش اول چکیده ای از کل متن مقاله و بخش دوم شامل مقدمه مختصر در مورد تشخیص جهره می باشد. بخش سوم یک توضیح همراه با جزییات در خصوص روش های تشخیص چهره و گونه های مختلف الگوریتم ها می باشد و در نهایت نتیجه گیری و ارائه یک راه کار مناسب می باشد.
مقدمه:
چهره نقش اساسی در شناسایی افراد و نشان دادن احساسات آنها دارد. توانایی انسان در تشخیص چهره ها قابل توجه است. ما می توانیم هزاران چهره دیده شده در طول عمرمان را تشخیص دهیم و چهره های آشنا را در یک نگاه شناسایی کنیم حتی اگر آنها را بعد از یک مدت طولانی دیده باشیم. این مهارت در برابر تغییراتی مانند حالت چهره ،سن ، مدل مو ،ریش و عینک و... ایستادگی می کند.
تشخیص چهره در سیستم های امنیتی ،کنترل کارت اعتباری و شناسایی مجرمان کاربرد اساسی دارد.
انسان ها در زمینه ی تشخیص چهره توانا هستند اما نحوه ی کدینگ و دیکدینگ چهره ها در مغز انسان کاملا" آشکار نیست. تشخیص چهره انسان سال ها مورد مطالعه قرار گرفته است. توسعه ی یک مدل محاسباتی برای تشخیص چهره کاملا" دشوار است که دلیل آن پیچیدگی چهره ها و ساختار چند بعدی بینایی است.
راهکار اول برای تشخیص چهره انسان استخراج ویژگی های آشکار از تصاویر چهره ها می باشد.
روش تشخیص چهره یکی از چندین روشی است که دارای دقت بالا بوده و می توان تا مدتها قابل اتکا باشد. بر خلاف روش های دیگر اعتبار سنجی که لازم بود تا کاربر pin و کلمه ی عبور را به یاد داشته باشد. در تشخیص چهره کاربر با چهره ی خودش می تواند در پروسه ی اعتبارسنجی حضور پیدا کند. تشخیص چهره می تواند برای باز بینی و تعیین هویت نیز به کار برده شود.
تشخیص چهره به عنوان یک تکنولوژی اصلی در شاخه ی تکنولوژی بیومتریک روز به روز اهمیت بیشتری پیدا می کند. در کاربرد دوربین های دیجیتال ابزارهای اینترنت و تلفن همراه و ... به شدت مورد نیاز است.
انواع تشخیص چهره عبارتند از :
1. تشخیص چهره با استفاده از تصاویر رو به رو
2. تشخیص چهره با استفاده از تصاویر نیمرخ
3. تشخیص چهره با استفاده از دیدگاه آزاد
4. بررسی یک تصویر از صورت
5. الگوریتم های اصلی مربوط به تشخیص چهره
6. جایگاه الگوریتم های یادگیری در تشخیص چهره
الگوریتم های تشخیص چهره عبارتند از :
تشخیص چهره با استفاده از الگوریتم ژنتیک.در این الگوریتم یک سیستم جدید برای شناسایی چهره با استفاده از الگوریتم ژنتیک پیشنهاد می شود دو بخش دارد :1.پیش پردازش 2.کاربرد الگوریتم ژنتیک
تشخیص چهره با استفاده از الگوریتم flood fill .تعامل کامپیوتر انسان (HCI) بزرگترین هدف محققان بینایی ماشین است. در این روش تکنیک جدیدی برای استخراج ویژگی ها بیان می شود. این ویژگی ها را از نواحی مختلف چهره به همراه قطعه بندی رنگ پوست و تکنیک مبتنی بر دانش برای شناسایی چهره بدست می آورد.
تشخیص چهره با استفاده از الگوریتم ترکیب الگوریتم AdaBoost با Cascade . الگوریتم پیشنهادی viola-Jones می توانست چهره را در داخل یک تصویر ۳۸۴×۲۸۸ با صرف زمانی معادل ۰٫۰۶۷ ثانیه تشخیص بدهد. این الگوریتم یکی از پیشرفته ترین الگوریتم های ماشین بینایی در دهه گذشته تا به حال بوده است.
در پردازش تصاویر چهره، تشخیص و ردیابی، تخمین ظاهر و شناسایی خصوصیات مدنظر می باشد.
برای تشخیص حالت از تصاویر متحرک بهتر است استفاده کنیم زیرا که از حالت نرمال شروع شده اند تا به حالت احساسی مورد نیاز رسیده اند. تشخیص حالت های چهره کاربردهای فراوانی دارند مثلا" ارتباط میان انسان و کامپیوتر را می توان مثال زد و یا رباط هایی که با خوشحالی انسان خوشحال و با ناراحتی انسان ناراحت می شوند.
تشخیص حالت های صورت از روی ویژگی های صورت مانند چشم، دهان و ابرو ها صورت می گیرد.
برای تشخیص باید در مرحله ی اول با انجام دادن یک سری پیش پردازش ها قسمت مورد پردازش را روی صورت مشخص کرد یعنی مربعی که در آن دقیقا" صورت قرار داشته باشد و بقیه ی قسمت ها ی صورت حذف شوند. در مرحله ی دوم باید یک سری ویژگی از تصویر صورت استخراج شود سپس هر حالت چهره بوسیله ی یک دسته بند، دسته بندی شوند. داده هایمان را که همان تصویر ها از حالت های مختلف می باشند را به دو قسمت آموزش و آزمایش تقسیم می نماییم و با قسمت آموزش دسته بندی را یاد می گیریم و با قسمت آزمایش تست برنامه را انجام می دهیم.
منابع:
J.Z. Li, M.T. Ozsu, D. Szafron, “Modeling of moving objects in a video database”, Proceedings of IEEE Int. Conf. on Multimedia Computing and Systems, Ottawa, Canada, pp. 336–343, June 1997.
D. Papadias, Y. Theodoridis, “Spatial Relations, Minimum Bounding Rectangles and Spatial Data Structures”, Int. Journal of Geographical Information Science, vol.11, pp.111–138, 1997.