انواع الگوریتم های تشخیص چهره

در بخش قبلی از مطالب پروژه تشخیص چهره در مورد مفاهیم و نکات اولیه و همچنین تکنیک های سنتی تشخیص چهره صحبت کردیم. در این بخش میخواهیم به بررسی چند تکنیک مدرن در مورد تشخیص چهره بپردازیم.

تکنیک تشخیص سه بعدی چهره

در این تکنیک از داده های سنسور سه بعدی به منظور به دست آوردن اطلاعاتی در مورد شکل کلی چهره استفاده می شود. در مرحله بعد از این مشخصه ها به منظور تشخیص ویژگی های برجسته کننده سطح چهره مانند تشخیص مرزهای چشم ها، بینی و چانه و… استفاده می شود.

یکی از ویژگی های تکنیک تشخیص چهره سه بعدی این است که مانند دیگر تکنیک ها نور محیط تاثیری بر آن نمیگذارد. از دیگر مزیت های آن قابلیت تشخیص چهره از زاویه های مختلف است.

نقاط داده به دست آمده از این تکنیک میتواند کمک زیادی به بالا رفتن دقت تشخیص چهره شود. استفاده از این تکنیک همزمان با ساخته شدن سنسورهای سه بعدی پیشرفته که میتوانند دقت بالاتری را در ثبت تصاویر سه بعدی ارائه نمایند به طور فزاینده ای افزایش پیدا کرده است.

روش دیگری که برای ثبت تصاویر سه بعدی استفاده می شود استفاده از سه دوربین مجزا است که در مقابل، کنار و در زاویه ای معین از چهره قرار میگیرند و به صورت سنکرون با یکدیگر تصویر چهره را به صورت همزمان تشکیل می دهند.

تکنیک تحلیل بافت پوست

در این تکنیک از جزئیات بصری پوست که در تصاویر استاندارد دوربین های دیجیتال یا تصاویر اسکن شده وجود دارد استفاده می کند. این تکنیک که به نام تحلیل بافت پوست (Skin Texture Analysis) معروف است جزئیاتی مانند خطوط، الگوها و نقاط موجود بر روی پوست صورت را از طریق تبدیلات ریاضیاتی به معادلات ریاضی تبدیل می کند.

مراحل اجرای این تکنیک به این شکل است که تصویری از بخشی از چهره تهیه می شود (patch)، سپس این تصویر به اجزای کوچکتری تبدیل می شود و سپس توسط تبدیلات ریاضی این تکه تصویرها به فضای معادلات ریاضیاتی برده می شوند و از طریق این معادلات امکان تشخیص و تمیز بین خطوط، منافظ و بافت تصاویر وجود خواهد داشت. به عنوان مثال از جمله مزیت های این تکنیک میتوان به تشخیص تصاویر دوقلو های شبیه به هم اشاره کرد که در نرم افزارهای رایج تشخیص چهره امکان پذیر نمی باشد.

نتایج تحقیقات نشان می دهند که استفاده از تکنیک تحلیل بافت پوست میتواند باعث افزایش 20 تا 25 درصدی کارایی الگوریتم های تشخیص چهره شود.

تشخیص چهره با استفاده از تکنیک های ترکیبی

همان طور که احتمالا تا به اینجای آموزش متوجه شدید هر تکنیکی دارای مزایا و معایبی است. به همین دلیل شرکت هایی که بر روی پیاده سازی الگوریتم ها و ساخت محصولات تشخیص چهره فعالیت دارند سعی میکنند به منظور بهینه سازی الگوریتم های خود از ترکیبی از تکنیک های معرفی شده استفاده نمایند. به عنوان مثال بسیاری از شرکت ها از ترکیبی از تکنیک های تشخیص سه بعدی و تحلیل بافت چهره استفاده میکنند تا بتوانند قابلیت اطمینان سیستم خود را افزایش دهند.

از جمله ویژگی هایی که در اثر ترکیب تکنیک های تشخیص چهره به وجود می آید عبارت است از عدم حساسیت سیستم به حالات مختلف صورت (لبخند، اخم، چمشک زدن و…) و همچنین تغییر حالات ریش و سبیل و عینک است.

دوربین های حرارتی

یکی از روش های متفاوت برای به دست آوردن تصاویر چهره به منظور اعمال به سیستم تشخیص چهره، استفاده از دوربین های حرارتی است. دوربین های حرارتی فقط شکل و مشخصات کلی صورت را تشخیص می دهد و جزئیات صورت ثبت نمی گردد.

برخلاف دوربین های معمولی، دوربین های حرارتی قابلیت ثبت تصاویر را در محیط هایی با نور بسیار پایین و در شب را دارا می باشند و ویژگی جالب دیگری آنها نیز این است که نیازی به  فلاش زدن ندارند که باعث می شود موقعیت دوربین پنهان بماند.

یکی از مشکلات استفاده از تصاویر دوربین های حرارتی برای سیستم های تشخیص چهره عدم وجود پایگاه های داده مناسب برای این منظور است. اخیرا برخی از محققان در این زمینه فعالیت های خوبی انجام داده اند که منجر به ساختن یک دیتابیس مناسب برای تحلیل تصاویر دوربین های حرارتی گشته است.

در این قسمت به چند تکنیک معروف ( الگوریتم های تشخیص چهره ) دیگر در پیاده سازی سیستم های تشخیص چهره پرداختیم. در بخش بعدی پیاده سازی یک نمونه عملی از سیستم تشخیص چهره را بررسی خواهیم کرد.

اگر این نوشته‌ برایتان مفید بود لطفا کامنت بنویسید.