X
تبلیغات
رایتل

FER: Facial Expression Recognition

کلیه ی حالات چهره شناخته شده

حالات صورت حرفهای زیادی برای گفتن دارند. با تغییرات کوچکی در ماهیچه های صورت می توان مفاهیم زیادی را متوجه شد که برای انتقال آنها به طور زبانی نیازمند استفاده از چندین واژه می باشد، اما جمله ای طولانی را می شود تنها با بالا انداختن ابروها و بستن چشم ها بیان کرد. در مجموع حالات چهره در حالی که تصور می شد انسان قادر به بروز تنها شش حالت چهره در خود می باشد با پیشرفت در تکنولوژی ، با استفاده از نرم افزارهای جدید و توسط دانش پژوهان توانستند ۲۱ حالت چهره را شناسایی کردند.

در این زمینه دکتر الکس مارتینز پژوهشگر دانشگاه ایالتی اوهایو و مجری این تحقیقات بیان می کند که: ما تاثیر عواطف بر حالت‌ های صورت را از عواطف ساده مثل خوشحالی یا اندوه فراتر برده ایم و شواهد محکمی بدست آوردیم که نشان دهنده ی این است که  انسان‌ ها در حالت‌ های عاطفی مختلف چگونه ماهیچه های صورت خود را حرکت می‌ دهند. به این ترتیب ما ۲۱ حالت چهره را شناسایی کردیم.
 همچنین او افزود که: نتیجه بسیار شگفت انگیز بود. ما متوجه شدیم تقریبا همه این ۲۱ حرکت، یک حالت چهره را یکسان از خود نشان می‌ دهند یا دستکم در فرهنگ ما چنین است.

پیش از این توصیف حالت‌های چهره به شش حالت خوشحال، غمگین، ترس، عصبانی و متعجب محدود بود. مثل این بود که برای نقاشی فقط شش رنگ داشته باشیم. اما حالا جعبه مداد رنگی ما ۲۱ رنگ دارد.

از سمت چپ: عصبانی و مشمئز، عصبانی و متعجب، عصبانی، یکه خورده و مشمئز، مشمئز 
 

محققان برای شناسایی حالت‌ های چهره، جمله‌ هایی را طراحی کردند که حالت‌ های عاطفی را ایجاد کنند. سپس از ۱۰۰ مرد و ۱۳۰ زن داوطلب خواستند تا حالت‌ های چهره شان را بر اساس چیزی که به آنها گفته می‌شود تغییر دهند تا از آنها عکس بگیرند.

مثلا وقتی به این افراد گفته شد "همین الان خبر غیر منتظره ای شنیدی "نتیجه چهره "خوشحال و متعجب" بود و وقتی گفته شد بوی "بدی استشمام می‌کنی" نتیجه چهره "مشمئز" بود.
   
دانشمندان پنج هزار عکسی را که به این ترتیب گرفته بودند برای یافتن شباهت‌ ها و تفاوت‌ ها بررسی کردند. برای این کار عکس‌ ها را با بانک اطلاعات موسوم به "سیستم شناسایی حرکات صورت" (Facs) مقایسه کردند.

 از سمت چپ: مشمئز و متعجب، ترسیده، ترسیده و عصبانی، ترسیده و مشمئز، ترسیده و متعجب 

این سیستم بیشتر برای تجزیه و تحلیل زبان  بدن استفاده می‌شود. نتیجه این کار، شناسایی بیست و یک حالت چهره بود که همه ی آنها ترکیبی از شش حالت پایه هستند. سپس دانشمندان با استفاده از نشانه های ماهیچه های  چهره مثل گوشه دهان و لبه بیرونی ابرو توانستند هر حالت را با حرکت ماهیچه ها ربط دهند. 

دکتر مارتینز می‌ گوید: فرض ما در علوم شناختی این است که مغز مثل کامپیوتر کار می‌کند. ما می‌ خواهیم الگوریتمی را شناسایی کنیم که مغز ما بر اساس آن کار می کند، الگوریتمی که به مغز امکان می‌ دهد با دیدن حالت‌ های چهره، عواطف مختلف را تشخیص دهد." 


 

ازسمت  چپ: مشمئز و خوشحال، خوشحال و متعجب، خوشحال، متنفر، غمگین


وی افزود: تا کنون برای رمزگشایی از این الگوریتم از شش حالت اصلی چهره استفاده می‌کردیم و مشکلات بزرگی داشتیم. امیدوارم با شناسایی حالت‌ های جدید، راه بهتری برای رمز گشایی و تحلیل الگوریتم‌ های مغز پیدا کنیم." 

دانشمندان سعی می‌ کنند با مدلسازی رایانه ای از حالت های چهره برای تشخیص بیماری هایی مثل اوتیسم و اختلال تنش‌زای پس از رویداد (PTSD) استفاده کنند.

 برای مثال خشم و ترس در مبتلایان به PTSD زیاد است، اما آیا تمام حالت‌ های مربوط به خشم یا ترس به یک اندازه در چهره آنها ظاهر می‌ شود یا آنکه بیشتر مثلا چهره "عصبانی ترسیده" دارند؟ 


 

از سمت چپ: غمگین عصبانی، غمگین مشمئز، غمگین ترسیده، غمگین متعجب، متعجب 


 علاوه بر این، متخصصان تصمیم دارند که ارتباط واکنش های چهره را با عوامل ژنتیکی و مسیرهای شیمیایی مغز شناسایی کنند و بدانند این راه های عصبی کدامند و ترشح چه مواد شیمیایی در مغز این حالت ‌ها را در چهره ایجاد می‌ کند؟ 
به گفته دکتر مارتینز حالا "می‌توان فرضیه های بیشتری را مطرح کرد و به آزمایش گذاشت."
به این ترتیب می‌ توان شناخت بیشتری از بیماری‌ های روانی بدست آورد و برای آنها روش‌ های درمانی و دارویی پیدا کرد. 

منابع:

http://www.asriran.com/fa/news/329426/21

http://www.aftabir.com/articles/view/science_education/technology/c3c1264313379_states_face_p1.php


 

شناسایی چهره چیست؟

شناسایی چهره (face recognition) :

از دیر باز انسان برای بقا، نیاز به تشخیص دوست از دشمن داشته است و تشخیص هویت برای وی امری حیاتی بوده و هست، لذا امروزه سعی در مکانیزه سازی سیستم های شناسایی یا تشخیص هویت شده است. این پیشرفت ها دلیل بر نیاز جامعه و جهان بوده است . نیازی که پیشرفت در آن باعث کاهش تخلفات، افزایش امنیت، تسریع در امور روزمره و ... شده است. در گذشته جهت شناسایی جرم و جنایتکار، از روال شناسایی اثر انگشت و چهره‌نگاری استفاده میشده، اما اکنون سیستم های مکانیزه‌ای ایجاد شده است.

انسان ها به طور معمول بیش از هر روش بیومتریکی از تشخیص چهره برای شناخت و شناسایی همدیگر استفاده می کنند. یکی از روش های مورد بررسی برای تعیین هویت انسان، شناسایی چهره میباشد.

در چهره نگاری آن دسته از ویژگی هایی که با گذشت زمان به طور قابل ملاحضه ای تغییر نمی کنند، اندازه گیری می شوند. اطراف دهان و استخوان های گونه، شکل بینی و محل قرارگیری ابروها، چشم ها، بینی، دهان، طول چانه و پیشانی و همچنین فاصله ی چشم ها و ابروها، از جمله ویژگی های اندازه گیری شده در این سیستم ها هستند.

شناسایی چهره امروزه توسط سیستم های کامپیوتری انجام می شود که معمولا" با عنوان بازشناخت چهره یا شناسایی چهره بیان می گردد. در شناسایی تصویر یک چهره تصویر ورودی با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسایی قرار می گیرد. این بانک شامل مشخصاتی از تصویر چهره افراد شناسایی شده می باشد. شناسایی چهره استفاده های فراوانی در شناسایی بزهکاران، کارت های اعتباری، سیستم های امنیتی و موارد متعدد دیگر داشته و بدلیل کاربردهای فراوان، در سال های اخیر، مورد توجه قرار گرفته است. این شناسایی چهره در تصویر در دو مرحله انجام می شود:

موقعیت و حدود چهره یا چهره ها، در تصویری که دارای اشیاء و زمینه های مختلف است، مشخص می شود.

از چهره مشخص شده در تصویر، ویژگی های لازم استخراج شده و شناسایی انجام می شود. که از جمله آن مشخص کردن اجزاء چشم و تعیین حالت و موقعیت آنها می باشد.

کارهای انجام شده برای استخراج خصوصیات از تصویر بر روی دو نوع تصویر ( تصاویر تمام رخ و نیمرخ ) بوده است و بدلیل اینکه تصاویر نیم رخ حاوی اطلاعات کمتری از تصاویر تمام رخ است، بررسی های انجام شده، بیشتر بر تصاویر تمام رخ متمرکز شده است. در دهه های اخیر روش های متعددی برای شناسایی چهره پیشنهاد شده است که برخی روش ها از بقیه کامل تر هستند.

پارامترهای مهم در تعیین نرخ شناسایی

نرخ شناسایی در تمامی روش های موجود، به چند عامل مهم وابسته است:

1_ اندازه  تصاویر چهره

هر چند تصاویر بزرگتر باشند، حاوی اطلاعات بیشتری از چهره بوده و این فراوانی اطلاعات در برابر استخراجی نیز صدق می کند، لذا طبقه بندی و جدا پذیری کلاس ها بهتر انجام گرفته و نرخ شناسایی افزایش میابد. البته اگر تصاویر بزرگ و تعداد آنها زیاد باشد، حجم و حافظه ی زیادی برای پردازش و نگهداری تصاویر، لازم خواهد بود.

2_ تغییرات تصاویر آموزش هر شخص

اگر تغییرات تصاویر آموزشی در هر کلاس کم باشد، تغییرات بردار استخراجی و تداخل بین کلاس ها کمتر بوده و نرخ شناسایی افزایش می یابد. اما باید توجه داشت که در این صورت، حالت های محدودی از چهره ( شبیه تصاویر آموزشی ) قابل شناسایی خواهد بود.

3_ تعداد اشخاص ( کلاس ها ) در بانک تصاویر

با افزایش تعداد کلاس ها، تداخل بین کلاس ها بیشتر شده و از جدا پذیری آنها کاسته می شود و نرخ شناسایی نسبت به تعداد کمتر کلاس ها، پایین می آید.

4_ به کار بردن سطح آستانه

شناسایی هویت از طریق دندان، لب، تپش های قلب و ...

یکی از چالش‌های اصلی سیستم‌های تشخیص چهره فعلی این است که بسیاری از تصاویر از چهره افراد از روبرو نیست. اختراع فیس‌ بوک با استفاده از یادگیری عمیق، در زمینه شناسایی چهره از نیم رخ پیشرفت‌های بسیار زیادی داشته‌ است. در یادگیری عمیق، سیستم‌های هوشمند با الهام گرفتن از ساختار نورون‌های مغز حجم زیادی از داده را استخراج می‌کنند. سیستم Deep Face شرکت  فیس بوک برای شناسایی چهره از 120 میلیون پارامتر مختلف استفاده می کند.

در حال حاضر شرکت اینتل یک سیستم تشخیص چهره ساخته است که از روی چهره، سن و جنسیت افراد را تشخیص می دهد و تبلیغات مورد نظر را برای آنها به نمایش می دهد.حامیان حقوق شهروندی، پیشرفت سیستم های تشخیص چهره را یکی از بزرگترین خطرات برای حریم خصوصی می دانند. کمسیون تجارت فدرال در سال 2012، قوانینی برای استفاده از سیستم های تشخیص چهره توسط شرکت ها تدوین کرد که بر اساس آن کابران باید علاوه بر اطلاع داشتن از اینکه چهره آن ها توسط سیستم های تشخیص چهره شناسایی می شود، نحوه ی کار کردن آن را نیز بتوانند تغییر دهند.

به طور کلی face recognition تشخیص چهره است یعنی تمام دیتابیس ما همه چهره هستند و الگوریتم باید مثلا" تشخیص جنسیت بدهد یا در یک تصویر چند چهره داریم  که در اینجا الگوریتم ،چهره سیاه پوست را از سفید پوست مجزا میکند و تشخیص میدهد.

برای  اطلاعات بیشتر به آدرس زیر مراجعه کنید:

http://www.asemooni.com/health/psychology/character-of-the-people-on-the-face

http://sibashahr.com/2238-2/

<< 1 2 3 4