بخشی از مقاله
چکیده
در این مقاله الگوریتم نوینی جهت تشخیص نقاط خاص چهره ی تمام رخ با استفاده از استخراج ویژگی نقاط و بررسی آنها با استفاده از الگوریتم های یادگیری ماشین ارائه شده است. برای این منظور لازم است تا با استفاده از اطلاعات آماده ای که در مجموعه داده وجود دارد، ابتدا با استفاده از یکی از الگوریتمهای دسته بندی، اطلاعات را در کلاسهای مختلف دست بندی نماییم. سپس برای تصاویر ویدئوهای تست - برای هر فریم - ابتدا نقاط مهم را بدست آورده و با استفاده از توصیفگر مناسب بردار ویژگی مورد نظر را به ماشین طبقه بند کننده بدهیم تا کلاس پیش بینی شده برای هر نقطه با توجه به بردار ویژگی اش مشخص گردد.
سپس با توجه به امتیاز هر نقطه بهترین نقاط را نمایش دهیم. لذا در این مقاله ورودیها، مجموعه داده - جهت آموزش - و تصاویر یا فریم های ویدئو - جهت تست - بوده و خروجی نقاط اصلی صورت است. مزیت الگوریتم ارائه شده سرعت بالای آن در تشخیص نقاط اصلی و دقت قابل قبول آن در مقایسه با سایر الگوریتم های موجود می باشد. علاوه بر این الگوریتم ارائه شده وابسته به احساسات چهره نبوده و در تمامی حالات صورت نتیجه مطلوبی دارد. دیتا ست مورد استفاده بخشی از مجموعه داده معروف - AFLW2000 - Annotated Facial Landmarks in the Wild
است.در هر عکس تا بیست و یک نقطه ی ویژگی وجود دارد که برای عملیات یادگیری کمک میکند.
مقدمه
یافتن نقاط خاص صورت در سیستم های بسیاری مورد استفاد قرار می گیرد، از این رو دقت آن دارای اهمیت بالایی می باشد. از کاربردهای مهم تشخیص نقاط خاص صورت میتوان به یافتن صورت ، یافتن حالت چهره ، ردگیری حرکات صورت و تشخیص هویت به کمک چهره و .... اشاره نمود. یافتن نقاط خاص صورت به صورت دستی با پیشرفت تکنولوژی و افزایس حجم اطلاعات و تعداد عکس ها عملا غیر ممکن شده است، به همین دلیل یافتن نقاط خاص صورت به صورت خودکار، اهمیت روزافزون داشته است. در این میان چندین مانع باعث شده این فرآیند در مبحث بینایی ماشین با چالشهایی مواجه گردد،
از جمله ی این موانع میتوان به جهت دار بودن صورت ،روشنایی زیاد از حد چهره و محیط ، حالت نامتعارف چهره ، اندازه صورت ، کیفیت پایین تصاویر و ... اشاره کرد. برای حل این مشکلات تا کنون راه حل های زیادی ارائه شده است.در حالت کلی، یافتن نقاط ویژگی صورت دارای دو مرحله است. مرحله ی اول یافتن صورت است و در محله ی دوم یافتن نقاط خاص انجام میشود. از آنجا که هدف این مقاله تشخیص نقاط خاص صورت در کاربردهایی نظیر تشخیص احساسات می باشد، لذا چالش اصلی ارائه الگوریتمی جهت تشخیص دقیق نقاط خاص صورت با استفاده از ابزارهای موجود - از جمله فیلترهای آماده جهت تشخیص صورت - می باشد.الگوریتم های یافتن نقاط حساس چهره در یک نوع تقسیم بندی کلی به دو نوع تقسیم میشوند:
- 1 بر پایه ی کلاس بندی - 2 برپایه ی تخمین مستقیم در روش های کلاس بندی عموما از یک پنجره ی لغزان استفاده میشود که با جارو کردن تمام یا قسمت محدودی از عکس ، نقاط مورد نظر را شناسایی میشود . - Belhumeur et al, - Zhu et al, 2012 - , - Liang et al, 2008 - , - 2011در روش های تخمین مستقیم از یک فرآیند بازگشتی - بدون نیاز به بررسی تمامی قسمتهای عکس - برای یافتن نقاط مورد نظر استفاده می کنند. - Cootes et al, 1998 - , - Cao et al, 2012 - در مقاله - Zhu and Ramanan, 2012 - الگوریتم مناسبی جهت تشخیص نقاط خاص چهره پشنهاد داده اند. روش آنها حاوی سه مرحله است ، یافتن صورت ، یافتن نقاط خاص چهره و یافتن جهت صورت است.در ادامه مقاله ابتدا روش تحقیق بیان شده و سپس نحوه طبقه بندی نقاط، ویژگی های مورد استفاده و نحوه انتخاب هر یک از نقاط توضیح داده شده است.
روش تحقیق
در این مقاله ما از قسمتی مجموعه ی معروف AFLW2000 استفاده شده است. به دلیل اینکه هدف ما در این مقاله بررسی چهره در حالت تمام رخ است ، جهت دوری از عملیات اضافی و افزایش راندمان ، قسمتی از مجموعه ی فوق را مورد استفاده قرار داده ایم.جهت یافتن رویکرد مناسب برای تشخیص نقاط حساس صورت، می بایست به دو نکته توجه ویژه داشت. اولین مسئله این است که باید از اطلاعات موجود در مجموعه داده 1به بهترین نحو استفاده کنیم و الگوریتم یادگیری مورد استفاده به گونه ای باشد که به بهترین شکل ممکن کلاسها را از یکدیگر تفکیک نماید. نکته دوم این است که بردار ویژگی مورد استفاده باید بیشترین تمایز بین کلاسی را با داشتن حداقل سایز داشته باشد تا طبقه بند کننده در دسته بندی داده ها کار ساده تری داشته باشد.جهت بررسی بیشتر هر مرحله را به صورت جداگانه شرح میدهیم.
