بخشی از مقاله
چکیده
تشخیص چهره یکی از جالبتوجهترین قابلیتهای انسان است. این مقاله روش انتخاب و تلفیق ویژگیهای صورت برای بهبود صحت طبقهبندی سیستمهای تشخیص چهره را پیشنهاد و بررسی میکند. روش پیشنهادی در مورد فرآیندهای انتخاب و تلفیق ویژگی است. این تکنولوژی از شبکههای عصبی و الگوریتم ژنتیک برای انتخاب و طبقه بندی ویژگیهای صورت استفاده میکند. روش ارائه شده با استفاده از ویژگیهای جداگانه و ویژگیهای ترکیبی منطقه صورت ارزیابی شده است. ویژگیهای ترکیبی بهتر از ویژگیهای جداگانه منطقه صورت در آزمایشهای تجربی عمل میکند. همچنین مقایسه-ای جامع با دیگر تکنیکهای تشخیص چهره موجود در پایگاه داده معیار FERET در این مقاله گنجانده شده است. روش پیشنهادی دقت طبقهبندی 94 را که بهبودی قابل توجه و بهترین دقت طبقهبندی را در میان نتایج ایجاد شده در دیگر مطالعات داشته، تولید کرده است.
واژگان کلیدی: تشخیص چهره، تلفیق ویژگی، الگوریتم ژنتیک، شبکه عصبی.
pt لآلآع -
-1 مقدمه
تشخیص چهره یکی از جالبتوجهترین قابلیتهای انسان است که از سالهای اولیهی دوران کودکی شکل گرفته و برای چندین جنبه از زندگی اجتماعی ما مهم میباشد. انسان میتواند صدها یا حتی هزاران چهره را در تمام زندگی خود به یاد داشته باشد و به راحتی میتواند چهره آشنا را در میان تغییر ابعاد مختلف، از جمله تغییرات نور، تغییرات سن، و تغییرات قیافه شناسایی کند. تشخیص چهره توأم با تواناییهای دیگر، از جمله حدس تصویری از افرادی که با آنها ارتباط برقرار میکنیم، نقش مهمی را در این دوره از تکامل ایفا کرده است. مسألهی سیستم تشخیص چهره، بیش از 30 سال است که مورد مطالعه قرار گرفته است. این موضوع علاقهی پژوهشی چندین رشته از جمله پردازش تصویر، تشخیص الگو، بینایی کامپیوتری، شبکههای عصبی و گرافیک کامپیوتری را به خود جلب کرده است. چنین علاقهای به وسیلهی پیشرفت فناوری تشخیص چهره1 چهره(FRT) 1 در برنامههای کاربردی مورد استفاده در بسیاری از عرصهها، از جمله شناسایی چهره در اجرای قانون و پزشکی قانونی، تأیید هویت کاربر در دسترسی به ساختمان یا ماشین گوینده خودکار، چهرهسازی و جستجوی چهرهها در پایگاههای دادههای تصویری، رابطهای کاربر کامپیوتر هوشمند و غیره ایجاد شده است .[1] پس از حملات تروریستی 11 سپتامبر سال 2001، FRT به دلیل نقش چشمگیرش در فعالیت-های ضد ترور، گرایش بیشتری به دست آورد. فناوری تشخیص چهره (FRT) به طور متعددی در برنامههای کاربردی اجرای تجارت و قانون استفاده شده و طیف گستردهای از چالشهای فنی را مطرح میکند و به همان میزان به طیف گستردهای از تکنیکهای رشتههای مختلف نیز نیاز دارد. مسائل کلی مشکلات سیستم تشخیص چهره را میتوان این گونه شرح داد: تصاویر ویدئویی صحنه، تشخیص و یا تأیید یک یا بیشتر افراد صحنه با استفاده از چهرههای ذخیره شده در یک پایگاه داده. اطلاعات جانبی قابل دسترسی مانند نژاد، جنسیت، سن، حالت چهره و یا گفتار ممکن است در محدود کردن جستجو استفاده شود. راه حل مسأله شناسایی چهره، استخراج خصوصیتی از ناحیه صورت و تأیید یا تشخیص چهره را شامل میشود. تشخیص چهره، به تعیین دقیق موقعیت و اندازه چهره انسان از صحنههای به هم ریخته اشاره دارد. اما استخراج ویژگی2، به اخذ خصوصیاتی که میتوان به سیستم طبقهبندی چهره داد، اشاره میکند. تشخیص چهره، به مقایسه چهره ورودی با مدلهایی از چهرههایی که در یک پایگاه داده از چهرههای شناخته شده ذخیره شده است اشاره دارد و در صورتی که همانندی پیدا شد آن را نشان میدهد .[2] تأیید چهره3، به تأیید کردن و یا رد کردن تعیین هویت چهره ورودی خواسته شده اشاره دارد. اگر چه به نظر میرسد انسان چهره را در صحنهای شلوغ نسبتاً آسان تشخیص میدهد، اما تشخیص چهره با دستگاه به دلایل مختلفی مشکلتر میباشداولاً.، چهرههای مختلف ممکن است بسیار شبیه به نظر برسند، به این معنا که هر صورت شامل دو چشم، دو گوش، یک بینی و یک دهان میباشد، در نتیجه به تفکیک دقیقی نیازمند استثانیاً.، دیدگاههای مختلف از همان چهره ممکن است به دلیل محدودیتهای تصویربرداری مانند تغییرات در نور و تنوع در حالات صورت و همچنین به دلیل حضور لوازم جانبی شخصی، مانند عینک،ریش، و کلاه کاملاً متفاوت باشند. در نهایت، زمانی که چهره تحت چرخش سطح تصویر برداری قرار میگیرد، مقدار زیادی از ساختار چهره ممکن است حذف شود. در نتیجه، تاکنون در انجام بسیاری از الگوریتمهای تشخیص چهره، تصاویر چهره در محیطی محدود و با نور کنترل شده، حداقل پنهان شدن ساختار چهره، پسزمینههای منظم و غیره به دست آمده است. تشخیص چهره در یک محیط نامحدود هنوز هم کاملا چالش برانگیز است .[4] در دههی گذشته، تشخیص چهره به یکی از فعالترین زمینههای پژوهشی الگوی شناختی تبدیل شده است. رایجترین روشهای تشخیص چهره را میتوان به سادگی در 3 دسته طبقهبندی کرد: روش تطبیق مبتنی بر ویژگیهای همه جانبه، روش تطبیق مبتنی بر ویژگیهای موضعی و روش تطبیق چندگانه (هیبرید) .[5] در روش تطبیق مبتنی بر ویژگیهای همه جانبه، از کل منطقه صورت به عنوان ورودی خام به سیستم تشخیص استفاده میشود، مانند روش آنالیز اجزای اصلی (PCA)، روش فیشر-فیس و روش نزدیکترین خط ویژگی (NFL)هم. چنین اخیراً روش IGF یا ویژگیهای گابور مستقل و روش مبتنی بر مدل KAM یا کرنل وابسته به حافظه، نیز جهت تشخیص چهره استفاده شده است. در روش تطبیق مبتنی بر ویژگیهای موضعی، ابتدا ویژگیهای محلی مانند چشمها، بینی و دهان استخراج شده و سپس موقعیت و آمار مکانی آنها (از نظر هندسی یا ظاهری) به درون طبقهکننده ساختاری وارد میشود. روش اشکال هندسی و روش تطبیق گراف خوشهای الاستیک، به این دسته تعلق میگیرند .[6] در روش تطبیق ترکیبی، هر دو ویژگیهای کلی و محلی برای به تشخیص چهره استفاده میشود. طرح ترکیبی ویژگیهای تشخیص چهره به وسیله ادغام ویژگیهای کلی و محلی توسط Fang، Tang و Wang در سال 2002 ارائه گردید .[7] یک سیستم تمام اتوماتیک تشخیص چهره در پایگاه دادهای با تنها تعداد کمی از نمونه توسط Yan و همکارانش در سال 2004 ارائه شده است. ویژگیهای بافتی عمومی و محلی استخراج شده و در تشخیص مورد استفاده قرار گرفته است. الگوریتم ژنتیک(GA) 4 میتواند جهت انتخاب مجموعه ویژگیهای مطلوب برای مشکلات طبقهبندی الگو مورد مورد استفاده قرار گیرد. برخی از محققان از الگوریتم ژنتیک برای تشخیص چهره استفاده کردهاند. در سال Huang 1995، Vafaie، Dejong و Wechsler روش GA-ID3 (یادگیری درخت تصمیم گیری) را برای پیدا کردن زیر مجموعه مناسبی از ویژگیهای تبعیض-
