تبلیغات
ساطع - سیستم سه بعدی تشخیس چهره
یکشنبه 11 دی 1390

سیستم سه بعدی تشخیس چهره

   نوشته شده توسط: محمد مجیدی    

 


1-مقدمه

سیستم بیومتریک تشخیص چهره، جزو یکی از مهمترین تکنولوژی های تشخیص بیومتریک در چند سال اخیر بشمار می آید و توجه زیادی را بخود جلب کرده است. دو دلیل عمده این قضیه عبارتند از:
 الف-شایستگی آن در کاربردهای مختلف شامل سیستم های مبتنی بر پردازش پیشرفته ویدیویی، سیستم اجرای قانون و سیستم های امنیتی می باشد. نیاز عمده به یک سیستم اتوماتیک قوی، انکارناپذیر است چراکه کاربرد گسترده ای در زمینه تشخیص افراد از طریق تصویر ایفا میکند.
ب-گرچه سیستم های بیومتریک قابل اعتماد زیادی موجود هستند، مانند تشخیص اثر انگشت و عنبیه، سیستم تشخیص چهره، ارتباط دوستانه تری با کاربر ایجاد کرده است. چراکه نیاز به انجام هیچ عملی از سوی کاربر ندارد، بله کاملا بدون تماس است. از سویی کاربرد سیستم پیشرفته دوربین دیجیتالی، یک عامل موثر در طرفداری از این سیستم ها میباشد.

بطورکلی یک سیستم بیومتریک تشخیص چهره، از چهار ماژول تشکیل یافته است:

1-ماژول سنسور: در حالی که در تشخیص چهره دوبعدی از دوربین معمولی استفاده میشود، روش سه بعدی نیاز به یک سنسور پیچیده و درسطح بالاتر، با قابلیت کسب اطلاعات عمیق تری دارد. ماژول سنسور، تصویر چهره اشخاص را میگیرد. بستگی به نیاز و کارکرد سنسور، دستگاه گیرنده میتواند یک دوربین سیاه و سفید یا رنگی، یک ماژول خاص با قابلیت استخراج اطلاعات عمیق تر، یا یک دوربین مادون قرمز با تصاویر مادون قرمز باشد.

2-ماژول مخصوص تشخیص و استخراج اطلاعات: تصاویر بدست آمده، نخست اسکن می شوند تا وجود آن تصاویر و مکان اصلی آنها ارزیابی شود. خروجی تصویر بدست آمده، تنها شامل یک پنجره گرافیکی محتوی ناحیه چهره می باشد. داده های نامربوط مانند پس زمینه، موها، گردن و شانه ها و غیره، بی استفاده می مانند. سپس، تصویر بدست آمده، تحت فرایندهای محاسباتی و عملیاتی پیچیده بیشتر، برای استخراج یک دسته ویژگی های کلی و سطحی مهم قرار میگیرد، که درمراحل بعد، توسط ماژول طبقه بندی کننده چهره برای تعیین هویت و تشخیص یک چهره ناشناخته مورد استفاده قرار خواهد گرفت. اکنون، تصویر خروجی برای استخراج و اندازه گیری ویژگی های سطحی چهره، و تجزیه اطلاعات کلی تصویر گرفته شده با استفاده از روش های پیچیده PCA, LDA و غیره آماده می باشد.

3-ماژول طبقه بندی: که در آن قالب استخراج شده در مرحله گفته شده در شماره 2، با قالب های دیگر موجود در گالری تصاویر مقایسه میشود تا درنتیجه معلوم شود چهره گرفته شده، قابل شناسایی است. سپس یک ماژول تصمیم گیری، هویت شخص را تایید میکند که براساس نتیجه مقایسه قبلی میباشد. براساس امتیاز بدست آمده از مقایسه، کاربر موردنظر یا مورد تایید قرار میگیرد یا پذیرفته نمیشود. درصورت تشخیص تصویر، دسته ای از امتیازات قابل مقایسه ، بین قالب جدید شخص با قالب های سایر کاربران عضو، محاسبه میشوند. درصورتیکه قالب چهره کاربر X ، بهترین امتیاز را بدست آورد، چهره ناشناخته نسبت به سایر اشخاص ، شباهت بیشتری به کاربر X دارد. برای اطمینان از اینکه تصویر ناشناخته، متعلق به شخص واقعی است و نه شخص دیگری، امتیاز بدست آمده، با یک آستانه ازپیش تعریف شده مقایسه میگردد.

4- ماژول پایگاه داده ها: که برای بیرون کشیدن قالب چهره های کاربران عضو، کاربرد دارد. این ماژول، همچنین مسوولیت ثبت نام اولیه کاربران، در سیستم تشخیص چهره را برعهده دارد. درطول ثبت نام افراد، ماژول سنسور، تصاویر را ثبت میکند که مجموعه آنها ، همان گالری تصاویر را ایجاد میکند، که درمرحله طبقه بندی مفید خواهند بود. در بیشتر روش های تشخیص چهره بطور عمده، چندین نمای متفاوت از یک شخص در حالت های خنده ، عصبانیت، عادی و یا لبخند گرفته میشود. تصویر عینکی نیز بایستی موجود باشد.

تلاش برای استفاده از اطلاعات مفید سه بعدی، یک تحقیق جهت دار افزوده بر سازمان محسوب میشود که چشم اندازی امیدوارکننده در تشخیص دقیق و قوی تر چهره ایجاد می نماید. هندسه سه بعدی چهره، بیشتر نشان دهنده ساختار اندام های داخلی میباشد که در مقایسه با ظاهر بیرونی آن، کمتر تحت تاثیر عوامل محیطی قرار میگیرد. بعنوان نمونه برخلاف تصویر دوبعدی چهره، سطوح سه بعدی آن نسبت به تزیینات ظاهری و آرایش چهره حساس نیست.

شکل سه بعدی چهره، بطور معمول، همراه با تصویر دوبعدی قوی میباشد. از سوی دیگر، سیستم برنامه سه بعدی به کامپیوتر این امکان را می دهد که فراتر از نقاط کلیدی اندازه گیری شده در نمای روبروی چهره، عمل کنند. یعنی در تصویربرداری سه بعدی، تصاویری ازنمای جانبی و سایرنماهای چهره گرفته میشود که در آن، انحناهای چهره نیز قابل اندازه گیری خواهند بود شامل: کاسه چشم ، بینی و چانه.

روش های معمول عرضه شده، درحال حاضر شامل:

Eigenfaces,
Linear Discriminant Analysis (LDA),
Support Vector Machines (SVM)
و neural networks میباشند. هریک از روش ها دارای مبحثی جداگانه و مفصل بوده که براساس طراحی و عملکرد ویژه خود، در تشخیص چهره نقش ایفا میکنند. دراین مقاله سعی کرده ایم به نقش سیستم سه بعدی در ایجاد چهره های مجازی بصورت یک سیستم تمام اتوماتیک، مورد بررسی قرار دهیم که براساسPIE (وضعیت قرارگیری چهره، روشنایی وحالت آن) عمل میکند و بدلیل استفاده از فقط یک تصویر دوبعدی با نمای روبرو، بنوبه خود از صرف انرژی و زمان در گرفتن تصاویر واقعی با حالات مختلف جهت تشخیص، جلوگیری میکند.





doribarefield.weebly.com
چهارشنبه 18 مرداد 1396 08:56 ق.ظ
At this time it appears like Movable Type is the preferred blogging platform available
right now. (from what I've read) Is that what you are using on your
blog?
willettebroekemeier.jimdo.com
جمعه 13 مرداد 1396 06:34 ق.ظ
Good day! I could have sworn I've been to this web site
before but after browsing through many of the posts I realized
it's new to me. Anyways, I'm certainly pleased I stumbled upon it and I'll be book-marking it and checking
back frequently!
manicure
شنبه 19 فروردین 1396 08:24 ب.ظ
Great post however I was wanting to know if you could
write a litte more on this topic? I'd be very thankful
if you could elaborate a little bit more. Kudos!
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر