پروژه تشخیص چهره : بخش اول

شاید بتوان گفت در حال حاضر در دنیا یکی از جذاب ترین بخش های پردازش تصویر، کاربرد تشخص چهره یا Face Recognition است. به دلیل کاربردهای بسیار مهم و جذابی که این سیستم ها دارند از جمله کاربردهای امنیتی و تشخیص حالات چهره، پیاده سازی و بهینه سازی چنین سیستم هایی همواره جزء داغ ترین مباحث پژوهشی و تحقیقاتی در دانشگاه ها و مراکز تحقیقاتی دنیا است.
در این مطلب و مطالب بعدی این مجموعه سعی در بررسی مفاهیم، تکنیک ها و پیاده سازی های چنین سیستم هایی خواهیم داشت و یک نمونه پیاده سازی عملی چنین سیستم هایی را نیز بررسی خواهیم کرد.

مقدمه : تعاریف اولیه تشخیص چهره

تشخیص چهره یا به مجموعه علوم و تکنولوژی هایی گفته می شود که هدف آن تشخیص هر چه دقیق تر و با سرعت بیشتر چهره انسان است.

سیستم های تشخیص بصری (Facial Recognition Systems) به سیستم هایی اطلاق می شود که قابلیت تشخیص یا تصدیق چهره افراد را از روی یک تصویر تصویر یا فیلم دارا می باشند.

اگر بخواهیم به صورت علمی تر و یا فنی تر صحبت کنیم، سیستم تشخیص یک کاربرد بیومتریک مبتنی بر هوش مصنوعی است که میتواند به صورت منحصر به فردی افراد را از طریق مقایسه الگوهای مبتنی بر بافت ها و هندسه صورت تشخیص دهد.

نکته : منظور از بیومتریک تکنولوژی ذخیره سازی مشخصه هایی مانند اثر انگشت، قرینه چشم و… در سیستم های کامپیوتری به منظور انجام پردازش های دیجیتال گفته می شود.

تکنیک های زیادی برای پیاده سازی این تکنولوژی مورد استفاده قرار می گیرد اما روش کلی بدین شکل است که مشخصه های خاصی از چهره افراد با یک دیتابیس یا مجموعه اطلاعاتی از پیش ذخیره شده ( که میتواند حاصل نمونه گیری از چهره افراد باشد) مقایسه می شود.

در حالی که به صورت پایه این تکنولوژی معمولا در کامپیوتر های پردازش گر پیاده سازی می شود اما با گسترش و توسعه الگوریتم ها و بهینه سازی های صورت گرفته بر روی آنها، امروزه شاهد پیاده سازی و سفارشی سازی این الگوریتم های بهینه شده برای پلتفرم های دیگر مانند گوشی های هوشمند هستیم که کاربردهای بسیار جذابی را در آینده در این حوزه رقم خواهد زد.

تکنیک های پیاده سازی

همان طور که اشاره شد به منظور پیاده سازی تشخیص چهره از تکنیک ها و الگوریتم های متفاوتی استفاده می شود. این الگوریتم ها را میتوان به طور کلی در 5 گروه دسته بندی کرد. این دسته بندی شامل شامل :

• تکنیک های سنتی
• تکنیک ابعادی
• تکنیک دوربین های حرارتی
• تکنیک مقایسه بافت پوست
• تکنیک ترکیبی

در ادامه به توضیح این دسته ها و تکنیک های به کار رفته در هر بخش میپردازیم.

• تکنیک های سنتی :

تکنیک هایی که در این بخش به کار میروند را میتوان به 2 دسته تقسیم کرد :

الف) تشخیص برمبنای مشخصات چهره :

دسته اول الگوریتم هایی که در گروه قرار میگیرند مبنای عملکرد آنها مقایسه مشخصاتی مانند موقعیت، اندازه و شکل اجزای صورت مانند چشم ها، بینی، دماغ و… با مشخصات ثبت شده در دیتابیس است.

از جمله مزیت های این الگوریتم ها عبارت است از سرعت بالا و سادگی نسبی در پیاده سازی آنها. همان طور که از نام این دسته نیز مشخص است، این الگوریتم ها جزء اولین تکنیک های پیاده سازی سیستم های تشخیص چهره بوده است.

ب) تشخیص برمبنای مشخصات نرمالیزه شده :

مبنای عملکرد دسته دیگری از این الگوریتم ها مقایسه تنها برخی از مشخصات چهره با تصاویر موجود در دیتابیس است. به اصطلاح علمی : “پس از بررسی تصاویر موجود در دیتابیس و نرمالیزه کردن مشخصات آنها، فشرده سازی بر روی ویژگی های منتخب شده انجام شده و سپس این مشخصات با مشخصات موجود در تصویر چهره مقایسه می شود.”

در توضیح جمله بالا اجازه بدهید یک مثال را بررسی کنیم.

فرض کنید موقعیت نسبی دماغ با چشم ها در مجموعه تصاویر دیتابیس با درصد خطا یا drift مشخصی ثابت است. به این معنا که این مشخصه از تصویر باعث ایجاد تمایز بین تصاویر موجود در دیتابیس نمی شود. یا مشخصاتی مانند اندازه دماغ یا فاصله ابروها به صورت نزولی و صعودی مرتب و توسط الگوریتمی فشرده می شوند. سپس تصویر حاصل به نام تصویر probe  با تصویر چهره مقایسه و در مدت زمان بسیار کوتاهی شناسایی انجام می شود.

خوب امیدوارم بخش اول پروژه تشخیص چهره  برایتان مفید بوده باشد. در بخش های بعدی با ما همراه باشید.

اگر این نوشته‌ برایتان مفید بود لطفا کامنت بنویسید.